基于改进粒子群算法的制造云服务选择方法研究
发布时间：2021-01-08 17:43
随着信息科技的迅猛发展,云制造这种新型的制造模式悄然产生。它是在综合国内制造产业的发展水平和工业生产、工业技术飞速发展以及在中国制造业信息化等发展背景的前提下提出的。由云计算发展而来的云制造是指利用网络云端平台以及利用先进的计算机技术和智能制造技术的新理念。顾名思义,云制造能根据用户的请求,在云端为用户提供优质的制造资源。将制造产业云端化是云制造的工作重心,所以,云制造是一种特殊的云计算。但是与云计算相比,云制造更具有针对性,在云制造的工作过程中,它包含了整个制造流程中出现的制造资源信息,在调用服务时云制造又对制造生命周期内的所有和制造相关的软件、硬件的信息协调管理,这对分析故障等具有重大意义。云制造通过记录的信息构建了一个网络共享化和制造资源集成化的共享平台。因为共享平台的存在,能够使制造企业或用户访问和使用制造资源。在制造云管理制造资源的系统中最为重要的一点就是根据用户需求和约束条件,通过调整制造云服务的制造资源和制造能力,找到最能满足要求的复合服务,这是制造云中十分重要的环节。本文将这一环节称为制造云服务选择的目标规划问题。为了满足解决问题的要求,本文基于传统的粒子群算法和制造云...
【文章来源】：齐鲁工业大学山东省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
环状粒子群结构图
图 3.2 粒子位置和值的关系3.4 基于单目标 PSO 服务选择的改进（1）种群的更新与传统线性相关的 PSO 相比，环形相关结构的更新和上一次的更新密切相关。第 a 个粒子在第 t 次更新的 i 维度要依据前一次粒子更新的位置和速度信息进行更新迭代。过程如公式（3.3）和公式（3.4）所示。t 1aiv =taiwv + ()(),12taitnaitaitaicζ p x cηp x（3.3）[].1[].(()[])21111111 xxvwithprobppxxvwithprobpxvxvtaitaitaitaitaitaitaitaitaitai （3.4）其中收缩因子 由下式决定，如公式（3.5）所示。
表 4.2 算法的多样性和收敛性测试结果测试收敛性 多样性均值 方差 均值 方差传统约束多目标 0.00252 8.38E-03 0.05664 8.92E-03改进约束多目标 0.0024 3.23E-04 0.02532 5.26E-03逻辑位置的分布是评价一个改进算法是否能符合原算法要求的重要指标，进后的算法求解的最优值的逻辑位置十分接近传统算法求解的最优值的逻辑时，就可以表明，该改进后的算法逻辑指标较高。当改进后的算法求解的最的集合中解的平衡值趋于稳定时，表明改进后的算法的求解值的多样性趋于。表明改进后算法具有可行性。所以本章根据改进后的算法与传统算法所得定性和多样性对比，对最优解进行求解，所求得结果的对比如图 4.1 所示。032 x 22221f( x) (x 5) (x 5)
【参考文献】：
期刊论文
[1]基于Shapelet剪枝和覆盖的时间序列分类算法[J]. 原继东,王志海,韩萌. 软件学报. 2015(09)
[2]基于改进蚁群算法的Web服务选择[J]. 盛国军,温涛,郭权,印莹. 东北大学学报(自然科学版). 2014(08)
[3]双目标动态迁移操作DE-PSO混合算法[J]. 赵华,刘俊梅. 宁夏工程技术. 2013(04)
[4]基于人工鱼群算法的QoS全局最优Web服务选择的研究[J]. 刘旋,廖明潮. 计算机应用与软件. 2013(08)
[5]基于蚁群算法的Web服务选择[J]. 王秀亭,马力. 现代电子技术. 2013(12)
[6]一种可信的基于协同过滤的服务选择模型[J]. 王海艳,张大印. 电子与信息学报. 2013(02)
[7]基于和声搜索算法的知识即服务动态组合优化[J]. 倪志伟,尹道明,王力,李怀英,王士凯. 计算机工程与应用. 2012(32)
[8]基于局部搜索与混合多样性策略的多目标粒子群算法[J]. 贾树晋,杜斌,岳恒. 控制与决策. 2012(06)
[9]基于差异演化算法的QoS全局最优动态Web服务选择[J]. 康国胜,刘建勋,唐明董,徐宇. 电信科学. 2011(12)
[10]基于改进混合粒子群算法的服务动态选择方法[J]. 舒振,陈洪辉,罗雪山. 中南大学学报(自然科学版). 2011(10)
博士论文
[1]云计算中服务组合与选择技术研究[D]. 刘阳.北京邮电大学 2013
硕士论文
[1]多目标粒子群优化算法的改进及应用研究[D]. 伍思敏.江南大学 2013
[2]面向多租户应用QoS感知的服务选择方法研究[D]. 刘玉龙.山东大学 2013
[3]云制造若干关键技术研究及其原型系统初步开发[D]. 付伟.浙江大学 2012
[4]动态Web服务组合中业务流程建模环境的研究与实现[D]. 邓保华.国防科学技术大学 2005
本文编号：2965025
【文章来源】：齐鲁工业大学山东省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
环状粒子群结构图
图 3.2 粒子位置和值的关系3.4 基于单目标 PSO 服务选择的改进（1）种群的更新与传统线性相关的 PSO 相比，环形相关结构的更新和上一次的更新密切相关。第 a 个粒子在第 t 次更新的 i 维度要依据前一次粒子更新的位置和速度信息进行更新迭代。过程如公式（3.3）和公式（3.4）所示。t 1aiv =taiwv + ()(),12taitnaitaitaicζ p x cηp x（3.3）[].1[].(()[])21111111 xxvwithprobppxxvwithprobpxvxvtaitaitaitaitaitaitaitaitaitai （3.4）其中收缩因子 由下式决定，如公式（3.5）所示。
表 4.2 算法的多样性和收敛性测试结果测试收敛性 多样性均值 方差 均值 方差传统约束多目标 0.00252 8.38E-03 0.05664 8.92E-03改进约束多目标 0.0024 3.23E-04 0.02532 5.26E-03逻辑位置的分布是评价一个改进算法是否能符合原算法要求的重要指标，进后的算法求解的最优值的逻辑位置十分接近传统算法求解的最优值的逻辑时，就可以表明，该改进后的算法逻辑指标较高。当改进后的算法求解的最的集合中解的平衡值趋于稳定时，表明改进后的算法的求解值的多样性趋于。表明改进后算法具有可行性。所以本章根据改进后的算法与传统算法所得定性和多样性对比，对最优解进行求解，所求得结果的对比如图 4.1 所示。032 x 22221f( x) (x 5) (x 5)
【参考文献】：
期刊论文
[1]基于Shapelet剪枝和覆盖的时间序列分类算法[J]. 原继东,王志海,韩萌. 软件学报. 2015(09)
[2]基于改进蚁群算法的Web服务选择[J]. 盛国军,温涛,郭权,印莹. 东北大学学报(自然科学版). 2014(08)
[3]双目标动态迁移操作DE-PSO混合算法[J]. 赵华,刘俊梅. 宁夏工程技术. 2013(04)
[4]基于人工鱼群算法的QoS全局最优Web服务选择的研究[J]. 刘旋,廖明潮. 计算机应用与软件. 2013(08)
[5]基于蚁群算法的Web服务选择[J]. 王秀亭,马力. 现代电子技术. 2013(12)
[6]一种可信的基于协同过滤的服务选择模型[J]. 王海艳,张大印. 电子与信息学报. 2013(02)
[7]基于和声搜索算法的知识即服务动态组合优化[J]. 倪志伟,尹道明,王力,李怀英,王士凯. 计算机工程与应用. 2012(32)
[8]基于局部搜索与混合多样性策略的多目标粒子群算法[J]. 贾树晋,杜斌,岳恒. 控制与决策. 2012(06)
[9]基于差异演化算法的QoS全局最优动态Web服务选择[J]. 康国胜,刘建勋,唐明董,徐宇. 电信科学. 2011(12)
[10]基于改进混合粒子群算法的服务动态选择方法[J]. 舒振,陈洪辉,罗雪山. 中南大学学报(自然科学版). 2011(10)
博士论文
[1]云计算中服务组合与选择技术研究[D]. 刘阳.北京邮电大学 2013
硕士论文
[1]多目标粒子群优化算法的改进及应用研究[D]. 伍思敏.江南大学 2013
[2]面向多租户应用QoS感知的服务选择方法研究[D]. 刘玉龙.山东大学 2013
[3]云制造若干关键技术研究及其原型系统初步开发[D]. 付伟.浙江大学 2012
[4]动态Web服务组合中业务流程建模环境的研究与实现[D]. 邓保华.国防科学技术大学 2005
本文编号：2965025
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/2965025.html
