云制造的资源调度研究
发布时间：2021-03-23 14:49
制造资源的高效利用已逐步成为新世纪制造业的一个重要发展方向,制造业服务化和智能化是当前制造业发展的两大趋势。为克服现代制造业产业链低端、生产效率低、高能耗和创新能力不足等问题,云制造应运而生。作为云制造核心问题之一,资源调度的优劣将直接影响云制造服务的成本、效率及质量。因此,本课题对云制造的资源调度问题开展了相关研究。主要研究内容如下:（1）云制造的静态资源调度研究。综合考虑云制造资源调度的目标及约束条件,建立了多目标静态资源调度模型;设计改进遗传算法求出全局最优解,并与传统的模型与算法的求解结果比较验证,验证了该模型的适用性与该算法的有效性。（2）云制造的动态资源调度研究。针对云制造环境下的动态扰动问题,建立了多目标动态资源调度模型;采用周期性驱动与事件驱动相结合的混合驱动的动态调度策略,基于分阶段排序优先规则的调度机制进行周期性驱动再调度,基于制造进度延迟率与制造资源利用率相结合的驱动机制来判别是否触发事件驱动再调度;利用伪并行模拟退火—遗传算法进行求解。最后,运用动态实例进行分析验证,验证了该动态调度策略的适用性与优越性。
【文章来源】：西南科技大学四川省
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
调度甘特图
图 3-5 多目标函数变化曲线Fig.3-5 The change curve of Multi-objective function表 3-5 模型结果对比Tab.3-5 Comparison of the results of the model最小服务时间（h） 最低服务成本（元） 最高型 252 1095 型 234 746 3-4 可以得到子任务所选择的最佳制造服务与子任务的加工时刻。由图 3-5 可以看出，调度的最小服务时间为 252 1095 元，最高服务质量为 2639。由表 3-5 中本文模型与对比可以看出，本文模型求解的最小服务时间与最低服务
能够更好的适应云制造平台真实调度情况。证算法的性能，本文针对上述实例，将所提出的改进的遗传算法进行性能对比分析，结果如表 3-6 及图 3-6 所示。确度的评价目标分别为求出最优解遗传代数均值与最优解较可得，分别运行 50 次的情况下，改进 GA 算法与传统 G遗传代数均值分别为 25 代与 47 代，改进 GA 算法性能相提高将近一倍，最优解均值分别为 18.1475 与 18.2577，说准确度与稳定性相对于传统 GA 算法均有大幅度提升，改进快地找出全局最优解 18.1474，准确度明显高于传统 GA 算法只能找到局部最优解 18.1475，得到的最优解不稳定且质表 3-6 运算结果对比Tab.3-6 Comparison of operation results运行次数 最优解 最优解均值 求出最优解遗传A 50 18.1474 18.1475 25A 50 18.1475 18.2577 47
【参考文献】：
期刊论文
[1]云制造资源的工序级多目标调度方法研究[J]. 孙卫红,吴海元,吕文新,高一聪. 南京航空航天大学学报. 2017(06)
[2]云制造调度问题研究综述[J]. 周龙飞,张霖,刘永奎. 计算机集成制造系统. 2017(06)
[3]面向云制造的混流混合车间调度问题[J]. 鲁建厦,胡庆辉,董巧英,汤洪涛. 中国机械工程. 2017(02)
[4]云制造环境下基于蚁群算法资源动态调度优化[J]. 江笑妍,李芳. 物流科技. 2016(01)
[5]面向云制造的云平台构建关键技术研究[J]. 童晓薇,陈贵清,刘艳斌. 湖北理工学院学报. 2015(04)
[6]面向多目标优化的云制造虚拟资源调度方法[J]. 熊永华,王静,吴敏,佘锦华. 计算机集成制造系统. 2015(11)
[7]面向云制造系统复杂任务请求的服务组合优化框架[J]. 刘波,张自力. 中国机械工程. 2015(08)
[8]云制造服务平台供需智能匹配的研究与实现[J]. 盛步云,张成雷,卢其兵,李新龙,程旭东. 计算机集成制造系统. 2015(03)
[9]一种基于本体语义的云制造服务供需智能匹配方法[J]. 刘慧敏,宋庭新,伍孟轩,唐晟林,胡锦帆. 湖北工业大学学报. 2015(01)
[10]云制造环境下资源动态调度系统研究[J]. 唐海波,黄琼琼,张明,李春泉,何汉钊. 机械工程与自动化. 2014(06)
博士论文
[1]多约束复杂工作流的调度优化[D]. 沈虹.东南大学 2016
[2]基于遗传算法的柔性资源调度优化方法研究[D]. 赵诗奎.浙江大学 2013
硕士论文
[1]云制造资源调度与集成优化研究[D]. 关贺.西南科技大学 2016
[2]基于本体的制造资源建模与智能搜索研究开发[D]. 李新.西安建筑科技大学 2016
[3]云制造环境下异址机器调度问题研究[D]. 李会.合肥工业大学 2016
[4]制造云服务组合柔性的多属性测度方法研究[D]. 张凯.江苏科技大学 2015
[5]云制造理念下基于本体及其环境感知的作业车间调度问题研究[D]. 许湘敏.华南理工大学 2015
[6]云制造模式下的云资源服务优化调度研究[D]. 郑卫.浙江大学 2015
[7]基于语义Web的云制造加工资源发现机制研究[D]. 陈桂松.重庆大学 2013
[8]云制造环境下的建材装备企业制造资源共享与优化研究[D]. 杜百岗.武汉理工大学 2013
本文编号：3095985
【文章来源】：西南科技大学四川省
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
调度甘特图
图 3-5 多目标函数变化曲线Fig.3-5 The change curve of Multi-objective function表 3-5 模型结果对比Tab.3-5 Comparison of the results of the model最小服务时间（h） 最低服务成本（元） 最高型 252 1095 型 234 746 3-4 可以得到子任务所选择的最佳制造服务与子任务的加工时刻。由图 3-5 可以看出，调度的最小服务时间为 252 1095 元，最高服务质量为 2639。由表 3-5 中本文模型与对比可以看出，本文模型求解的最小服务时间与最低服务
能够更好的适应云制造平台真实调度情况。证算法的性能，本文针对上述实例，将所提出的改进的遗传算法进行性能对比分析，结果如表 3-6 及图 3-6 所示。确度的评价目标分别为求出最优解遗传代数均值与最优解较可得，分别运行 50 次的情况下，改进 GA 算法与传统 G遗传代数均值分别为 25 代与 47 代，改进 GA 算法性能相提高将近一倍，最优解均值分别为 18.1475 与 18.2577，说准确度与稳定性相对于传统 GA 算法均有大幅度提升，改进快地找出全局最优解 18.1474，准确度明显高于传统 GA 算法只能找到局部最优解 18.1475，得到的最优解不稳定且质表 3-6 运算结果对比Tab.3-6 Comparison of operation results运行次数 最优解 最优解均值 求出最优解遗传A 50 18.1474 18.1475 25A 50 18.1475 18.2577 47
【参考文献】：
期刊论文
[1]云制造资源的工序级多目标调度方法研究[J]. 孙卫红,吴海元,吕文新,高一聪. 南京航空航天大学学报. 2017(06)
[2]云制造调度问题研究综述[J]. 周龙飞,张霖,刘永奎. 计算机集成制造系统. 2017(06)
[3]面向云制造的混流混合车间调度问题[J]. 鲁建厦,胡庆辉,董巧英,汤洪涛. 中国机械工程. 2017(02)
[4]云制造环境下基于蚁群算法资源动态调度优化[J]. 江笑妍,李芳. 物流科技. 2016(01)
[5]面向云制造的云平台构建关键技术研究[J]. 童晓薇,陈贵清,刘艳斌. 湖北理工学院学报. 2015(04)
[6]面向多目标优化的云制造虚拟资源调度方法[J]. 熊永华,王静,吴敏,佘锦华. 计算机集成制造系统. 2015(11)
[7]面向云制造系统复杂任务请求的服务组合优化框架[J]. 刘波,张自力. 中国机械工程. 2015(08)
[8]云制造服务平台供需智能匹配的研究与实现[J]. 盛步云,张成雷,卢其兵,李新龙,程旭东. 计算机集成制造系统. 2015(03)
[9]一种基于本体语义的云制造服务供需智能匹配方法[J]. 刘慧敏,宋庭新,伍孟轩,唐晟林,胡锦帆. 湖北工业大学学报. 2015(01)
[10]云制造环境下资源动态调度系统研究[J]. 唐海波,黄琼琼,张明,李春泉,何汉钊. 机械工程与自动化. 2014(06)
博士论文
[1]多约束复杂工作流的调度优化[D]. 沈虹.东南大学 2016
[2]基于遗传算法的柔性资源调度优化方法研究[D]. 赵诗奎.浙江大学 2013
硕士论文
[1]云制造资源调度与集成优化研究[D]. 关贺.西南科技大学 2016
[2]基于本体的制造资源建模与智能搜索研究开发[D]. 李新.西安建筑科技大学 2016
[3]云制造环境下异址机器调度问题研究[D]. 李会.合肥工业大学 2016
[4]制造云服务组合柔性的多属性测度方法研究[D]. 张凯.江苏科技大学 2015
[5]云制造理念下基于本体及其环境感知的作业车间调度问题研究[D]. 许湘敏.华南理工大学 2015
[6]云制造模式下的云资源服务优化调度研究[D]. 郑卫.浙江大学 2015
[7]基于语义Web的云制造加工资源发现机制研究[D]. 陈桂松.重庆大学 2013
[8]云制造环境下的建材装备企业制造资源共享与优化研究[D]. 杜百岗.武汉理工大学 2013
本文编号：3095985
本文链接：https://www.wllwen.com/guanlilunwen/wuliuguanlilunwen/3095985.html
