面向复杂云制造任务的服务配置方法研究
发布时间：2021-11-25 08:27
随着以信息化应用为核心的新一轮科技革命的到来,传统制造业的信息化升级转型势在必行。为了顺应当前这种制造业的发展潮流,云制造应运而生,以复杂制造任务为代表的云制造任务服务配置将是云平台需要解决处理的关键问题。本论文围绕该问题在构建面向复杂云制造任务的服务配置框架的基础上,研究了云平台中复杂云制造任务的优化分解、候选服务筛选以及组合服务评选等,主要的研究内容如下:提出了基于谱聚类算法的复杂云制造任务优化分解方法。针对复杂可拆分云制造任务,给出了初步任务拆分基本原则和相关定义。根据元任务之间的关联关系,建立了关联无向图,采用谱聚类算法对其实现最优分割,达到了任务优化分解的目的。对于谱聚类算法中K-means初始聚类中心和分类数的选取问题,分别采用了随机选取和“肘方法”,实现了复杂云制造任务的快速合理分解。提出了基于历史数据挖掘的候选服务筛选方法。基于复杂云制造任务拆分得到的元任务QoS指标约束,给出了获取子任务QoS指标的模型,并给出了不同情况下用户理想需求指标的获取方法。然后采用余弦相似度对候选服务进行粗筛选,并在此基础上采用变精度粗糙集挖掘历史数据,获取客观权重对候选服务综合评选,保证了...
【文章来源】：西安理工大学陕西省
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
改进遗传算法适应度值
48而经典遗传算法虽然找到了同样的较优解却无法保证该解成功输出；在迭代次数上，观察图5-2与图5-3发现，改进遗传算法比经典遗传算法更早实现了收敛，这是因为在变异时，改进遗传算法对变异的结果进行了有选择的接收，提高了计算效率；从表5-4的对比方案中发现，改进遗传算法输出的结果明显整体优于经典遗传算法，这是因为加入了自适应混沌算子后，群体在迭代过程中同样的时间内它遍历的范围更广，同时精英保留策略和淘汰机制的存在使得优秀的个体能够保留在种群中，故更有可能给出最优解。图5-2 改进遗传算法适应度值 图5-3 经典遗传算法适应度值Fig.5-2 Improved genetic algorithm fitness value Fig.5-3 Classic genetic algorithm fitness value表5-4 两种遗传算法计算的结果Tab.5-4 Results computed by two kinds of genetic algorithms改进遗传算法五个最优方案 经典遗传算法五个最优方案CS1CS2CS3CS4CS5CCS1CCS2CCS3CCS4CCS54 4 4 4 4 4 4 4 7 81 1 1 1 1 1 1 1 1 13 4 3 3 8 3 6 2 8 52 2 5 3 2 3 2 2 5 31.8327 1.8059 1.7966 1.7957 1.7853 1.7957 1.7621 1.7500 1.6829 1.64685.4.2 基于用户模糊评价的组合服务评选从表5-4可以看出采用改进遗传算法得到的五个近似最优组合服务适应度值差异并不是很大，为了选择出尽可能令客户满意的组合服务方案，假定从云平台中搜索出过去2018/01/31 ， 2017/12/31
6 面向复杂云制造任务的服务配置原型系统开发55图6-3 原型系统主界面Fig.6-3 Main interface of prototype system（1）复杂云制造任务的优化分解在复杂云制造任务服务配置的具体执行过程中，复杂制造任务的优化分解是第一步。图 6-4 所示为任务初步分解后的元任务基本信息，在规范化存储元任务间关联信息的基础上，通过该页面由系统自动提取出邻接关联度矩阵 W。图 6-4 邻接关联矩阵提取Fig.6-4 Extraction of adjacency association matrix后台通过 MATLAB 程序，求取邻接关联度矩阵 W 的度矩阵 D 和拉普拉斯矩阵 L。然后将 L 带入谱聚类算法中，求取拉普拉斯矩阵的特征值与特征向量，并分析特征值的分布特征；采用“肘方法”图判断任务的合理分类数，对元任务优化聚类
【参考文献】：
期刊论文
[1]基于余弦相似度的改进C4.5决策树算法[J]. 夏修臣,王秀英. 计算机工程与设计. 2018(01)
[2]面向需求的云制造资源虚拟化配置[J]. 陈维智,江丽,郭顺生,杜百岗,许文祥. 现代制造工程. 2017(12)
[3]智能制造专题主编寄语[J]. 李培根. Engineering. 2017(05)
[4]基于分层任务网络的云制造任务分解方法[J]. 刘明周,王强,凌琳. 中国机械工程. 2017(08)
[5]云制造环境下能力资源需求的评价与选择[J]. 陈友玲,刘传彪,阳玮琦,杨续昌. 计算机集成制造系统. 2017(10)
[6]云制造环境下设备资源的多目标优化选择[J]. 易安斌,姚锡凡,周宏甫,张存吉. 计算机集成制造系统. 2017(06)
[7]基于离散人工群算法的云制造服务组合[J]. 常瑞云,周井泉,许斌,亓晋. 计算机技术与发展. 2016(07)
[8]基于质量评价及需求匹配的制造设备云服务选择[J]. 赵秋云,魏乐,舒红平. 计算机应用研究. 2015(11)
[9]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)
[10]云制造服务平台中的制造任务分解模式优化[J]. 易树平,谭明智,郭宗林,温沛涵,周佳. 计算机集成制造系统. 2015(08)
硕士论文
[1]“工业4.0”对推进“中国制造2025”的启示[D]. 李卫东.外交学院 2017
本文编号：3517768
【文章来源】：西安理工大学陕西省
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
改进遗传算法适应度值
48而经典遗传算法虽然找到了同样的较优解却无法保证该解成功输出；在迭代次数上，观察图5-2与图5-3发现，改进遗传算法比经典遗传算法更早实现了收敛，这是因为在变异时，改进遗传算法对变异的结果进行了有选择的接收，提高了计算效率；从表5-4的对比方案中发现，改进遗传算法输出的结果明显整体优于经典遗传算法，这是因为加入了自适应混沌算子后，群体在迭代过程中同样的时间内它遍历的范围更广，同时精英保留策略和淘汰机制的存在使得优秀的个体能够保留在种群中，故更有可能给出最优解。图5-2 改进遗传算法适应度值 图5-3 经典遗传算法适应度值Fig.5-2 Improved genetic algorithm fitness value Fig.5-3 Classic genetic algorithm fitness value表5-4 两种遗传算法计算的结果Tab.5-4 Results computed by two kinds of genetic algorithms改进遗传算法五个最优方案 经典遗传算法五个最优方案CS1CS2CS3CS4CS5CCS1CCS2CCS3CCS4CCS54 4 4 4 4 4 4 4 7 81 1 1 1 1 1 1 1 1 13 4 3 3 8 3 6 2 8 52 2 5 3 2 3 2 2 5 31.8327 1.8059 1.7966 1.7957 1.7853 1.7957 1.7621 1.7500 1.6829 1.64685.4.2 基于用户模糊评价的组合服务评选从表5-4可以看出采用改进遗传算法得到的五个近似最优组合服务适应度值差异并不是很大，为了选择出尽可能令客户满意的组合服务方案，假定从云平台中搜索出过去2018/01/31 ， 2017/12/31
6 面向复杂云制造任务的服务配置原型系统开发55图6-3 原型系统主界面Fig.6-3 Main interface of prototype system（1）复杂云制造任务的优化分解在复杂云制造任务服务配置的具体执行过程中，复杂制造任务的优化分解是第一步。图 6-4 所示为任务初步分解后的元任务基本信息，在规范化存储元任务间关联信息的基础上，通过该页面由系统自动提取出邻接关联度矩阵 W。图 6-4 邻接关联矩阵提取Fig.6-4 Extraction of adjacency association matrix后台通过 MATLAB 程序，求取邻接关联度矩阵 W 的度矩阵 D 和拉普拉斯矩阵 L。然后将 L 带入谱聚类算法中，求取拉普拉斯矩阵的特征值与特征向量，并分析特征值的分布特征；采用“肘方法”图判断任务的合理分类数，对元任务优化聚类
【参考文献】：
期刊论文
[1]基于余弦相似度的改进C4.5决策树算法[J]. 夏修臣,王秀英. 计算机工程与设计. 2018(01)
[2]面向需求的云制造资源虚拟化配置[J]. 陈维智,江丽,郭顺生,杜百岗,许文祥. 现代制造工程. 2017(12)
[3]智能制造专题主编寄语[J]. 李培根. Engineering. 2017(05)
[4]基于分层任务网络的云制造任务分解方法[J]. 刘明周,王强,凌琳. 中国机械工程. 2017(08)
[5]云制造环境下能力资源需求的评价与选择[J]. 陈友玲,刘传彪,阳玮琦,杨续昌. 计算机集成制造系统. 2017(10)
[6]云制造环境下设备资源的多目标优化选择[J]. 易安斌,姚锡凡,周宏甫,张存吉. 计算机集成制造系统. 2017(06)
[7]基于离散人工群算法的云制造服务组合[J]. 常瑞云,周井泉,许斌,亓晋. 计算机技术与发展. 2016(07)
[8]基于质量评价及需求匹配的制造设备云服务选择[J]. 赵秋云,魏乐,舒红平. 计算机应用研究. 2015(11)
[9]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)
[10]云制造服务平台中的制造任务分解模式优化[J]. 易树平,谭明智,郭宗林,温沛涵,周佳. 计算机集成制造系统. 2015(08)
硕士论文
[1]“工业4.0”对推进“中国制造2025”的启示[D]. 李卫东.外交学院 2017
本文编号：3517768
本文链接：https://www.wllwen.com/guanlilunwen/wuliuguanlilunwen/3517768.html
