[发明专利]一种基于混合教学优化算法的云制造服务组合方法

权利要求书

1.一种基于混合教学优化算法的云制造服务组合方法，其特征在于：包括如下步骤：

S100：从公开服务集S中随机选择x个服务并初始化生成种群P’，利用Skyline查询从公开服务集S选择x’个服务并初始化生成种群P”，集合种群P’和种群P”得到初始种群P，其中，具体表示如下：

P＝{P₁,P₂,…,P_n,…,P_N} (1-1)

S_m＝{s_m,1,s_m,2,…,s_m,n＇,…,s_m,N＇} (1-2)

P_n＝{s_1,2,s_2,1,…,s_m,n＇,…,s_M,N＇} (1-3)

其中，N表示初始种群中的个体数量，S_m表示第m个服务集，N＇表示第m个服务集中的服务数量，P_n为第n个个体，s_m,n＇表示第m个服务集的第n＇个候选服务；

S200：计算初始种群P中每个个体的QoS值，具体表达式如下：

Max(QoS)＝Max∑ω_k×Q_k (2-1)

其中，ω_k表示第k个指标的权重，Q_k是第k个QoS属性归一化后的值，其中，ω_k∈[0,1]；

其中，表示Q_k归一化的具体计算公式如下：

其中，minq_k表示所有可能的组合路径中第k个聚合QoS值的最小值，maxq_k表示所有可能的组合路径中第k个聚合QoS值的最大值；

S300：将S200中得到的QoS值进行降序排列并选出最优值F(P_best)，并将最优值F(P_best)在初始种群P中对应的个体为最优个体P_teacher；

S400：将初始种群P按照一定比例分成种群A和种群B两部分：利用最优个体P_teacher从种群A中获得新个体组成种群A’，从种群B中获得新个体和组成种群B’，此时种群A’中的个体为原种群A中个体的子代，种群B’中的个体为原种群B中个体的子代，种群A’和种群B’包含的所有个体，称为子代个体；

S410：按照TLBO算法和CSO横向交叉算法通过实际试验对种群P进行划分；

S420：通过TLBO算法计算种群A’，具体表达式如下：

T_F＝round(1+rand(0，1)) (4-2)

其中，表示种群A’中的第i个个体，表示种群A中的第i个个体，P_mean表示种群P中的算数平均值，r为[0,1]区间内的随机数；T_F表示决定平均值变化的教学因素；

通过CSO横向交叉算法计算种群B’，具体表达式如下：

其中，表示的第d维子代，表示的第d维子代，表达式如下：

其中，r₁,r₂是[0,1]之间的随机数；c₁,c₂是[-1,1]之间的随机数；表示父代种群B中个体的第d维个体，表示父代种群B中个体的第d维个体；和分别是和通过横向交叉产生的第d维子代，所有第d维子代个体构成种群B’；

S500：根据步骤S400所得到的所有子代个体构建新种群P_new；

S600：利用步骤S200计算新种群P_new中所有新个体的适应度值，并将所有新个体的适应度值进行降序排列；

S700：选出S600步骤得到的最大适应度值QoS’，与步骤S300得到的最优值F(P_bsst)进行比较；

如果该最大适应度QoS’值大于最优值F(P_best)，则将该最大适应度QoS’值作为新的最优值F(P_best)，如果该最大适应度QoS’值小于或者等于最优值F(P_bset)，则保留F(P_bsst)原值；

S800：重复步骤S400-S700，当达到预设最大迭代次数时停止，输出最优值F(P_best)，此时该最优值F(P_best)对应的个体为最优服务组合。

2.如权利要求1所述的一种基于混合教学优化算法的云制造服务组合方法，其特征在于：所述S500中构建新种群P_new的具体步骤如下：

S510：从所有子代个体中随机选择一个个体p_k；

S520：比较p_j和p_k相对应的适应度值，其中，p_j为除p_k以外的其余子代个体＝1,2,…,N-1，且j≠k；

如果p_j的适应度值大于p_k的适应度值，则通过公式(5-1)更新具体表达式如下：

如果p_j的适应度值小于或者等于p_k的适应度值，则通过公式(5-2)更新具体表达式如下：

S530：将步骤S520得到的的适应度值与p_j的适应度值进行比较，如果的适应度值大于p_j的适应度值，则选择作为新种群的个体，否则，则选择p_j作为新种群的个体；

S540：重复步骤S510-S530，遍历所有子代个体，得到新种群P_new。