[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

说明书

本发明涉及一种基于混合教学优化算法的云制造服务组合方法。包括如下步骤：从公开数据集中选择服务s并初始化得到初始种群P；计算初始种群P中每个个体的QoS值并选出最优值F(P_best)和最优个体最优个体P_teacher；按比例分为种群A和种群B，并分别从群A和种群B中计算遴选出新个体组成子代个体；计算新个体的适应度值，选出最大适应度QoS’值与最优值F(P_best)进行比较，来更新服务组合方案；重复上述步骤，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。实验表明，该方法对于提高大规模环境下的服务组合的解质量是非常有效的。

技术领域

本发明涉及云制造服务组合方法领域，特别涉及一种基于混合教学优化算法的云制造服务组合方法。

背景技术

如今，随着日益激烈的商业市场和用户需求的不断变化，对个性化产品的需求也在不断提升。但由于资源约束，企业之间可能会出现资源短缺或资源浪费现象，为了应对这些挑战，制造商需要通过共享其制造资源和技术能力来更有效地协作，以充分利用资源，避免资源浪费，并最终获得更高的用户满意度。云制造(Cloud manufacturing,CMfg)，作为一种新的面向服务的制造范式，皆在分布式制造资源和能力之间进行共享和协作并形成按需的资源分配。服务组合和优化选择(service composition and optimization selection,SCOS)被认为是实现CMfg系统资源和能力共享功能的关键技术，它将各种不同功能的单个资源服务按照一定的逻辑结构组合成为具有综合功能的服务来处理复杂的制造任务，同时保证综合服务的服务质量最大化，满足用户的需求。如何从所有的组合服务中找到最优或接近最优的服务组合来执行制造任务是一个挑战。

到目前为止，关于SCOS问题的研究方法有很多。Li等人用一种基于服务聚类网络的服务组合方法解决在云制造中静态和动态需求问题。Lu等人提出了在云制造环境中过程能力评估和服务推荐的系统框架，其中集成服务组合模块成功地将不同公司的工程师或管理团队的工程知识相连接形成共享。此外，在评估服务组合效率时，通常使用QoS作为标准。Lartigau等人通过考虑服务质量(QoS)评估，提出一种云制造服务组合方法来解决商家之间运输路线的选择问题。Que等人提出了一种感知QoS制造商对用户(M2U)模式，提高了其资源动态优化分配能力。

虽然这些方法在一定程度上促进了服务组合优化的研究工作，但是制造任务的复杂性和云制造平台中服务数量的快速增长仍旧对SCOS方法提出了巨大的挑战。事实上，现有的这些方法都忽略了一些亟待解决的问题：(1)由于云制造系统中的服务数量的不断增加，现有方法在解决大规模SCOS问题时效率低下，所以寻找更高效的算法是亟待解决的问题之一；2)随着服务组合条件变得复杂，导致服务组合很难找到精确解，所以改进算法的全局搜索策略也是当前现有算法需要重视的另一个主要问题。

发明内容

针对现有技术存在的上述问题，本发明要解决的技术问题是：云制造系统中的服务数量众多，现有方法所使用的算法在解决问题时的效率较低，同时现有算法在全局搜索时的能力不足，得到的服务组合的解不够精确。

为解决上述技术问题，本发明采用如下技术方案：一种基于混合教学优化算法的云制造服务组合方法，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)