[发明专利]一种基于自适应系数遗传算法的云制造服务资源匹配方法

说明书

本发明公开一种基于自适应系数遗传算法的云制造服务资源匹配方法，通过计算种群中每个个体目标函数的值并判断容量限定，舍弃不满足容量要求的个体，计算自适应系数进而计算本轮迭代的选择概率，交叉概率和变异概率，并根据前述概率进行遗传进化，生成新的种群，为种群补充新的个体。本发明根据云制造用户的任务需求求解与之匹配的最佳资源服务组合，保证全部任务的成本与时间乘积之和最低，并满足资源服务的容量限制，避免出现排队等候的情况；改进的遗传算法具有较强的鲁棒性、收敛速度快以及能够避免陷入局部最优的优点，不仅显著提高了种群的多样性，提高了资源匹配的准确性。

技术领域

本发明涉及云制造技术领域，具体涉及一种基于自适应系数遗传算法的云制造服务资源匹配方法。

背景技术

传统制造网格、敏捷制造等网络制造模式，存在技术和模式瓶颈，无法大规模推广。为此，结合现有先进制造模式和技术以及云计算、物联网、虚拟化、面向服务技术等新技术，诞生了云制造的概念。

云制造是采取当代信息技术前沿理念(特别是云计算)，把“软件即服务”的理念拓展至“制造即服务”，将成为我国工业4.0的一种重要模式。因云制造系统中云服务的多样性、复杂性、规模性等特点，使得传统网络制造资源匹配方法不能直接用于云制造服务匹配的实现。

云制造服务资源匹配作为云制造任务分配的基础，是实现云制造的关键技术之一，因此研究云制造服务资源的匹配方法对云制造的实施和开展具有重要作用。云制造服务资源可完成一定数量的制造加工工序，而用户的加工制造任务包含一组加工工序需求，二者无法一一对应，单一用户的加工任务由多个服务资源完成不可避免。因此，为加工任务求解最佳的服务资源组合是服务资源匹配的核心问题。

发明内容

本发明提供一种基于自适应系数遗传算法的云制造服务资源匹配方法，其具有较强的鲁棒性，并能提高全局搜索能力。

为解决上述问题，本发明是通过以下技术方案实现的：

一种基于自适应系数遗传算法的云制造服务资源匹配方法，具体包括步骤如下：

步骤1，设定遗传算法的参数即设定初始的选择概率Ps、初始的交叉概率Pc、初始的变异概率Pm、种群规模G和最大遗传代数I；并给定初始化种群；

步骤2，根据下式对种群中每个个体的容量限定C进行真假判断，并将容量限定C为假False的个体删除；

式中，为分配到服务资源工序j的加工任务数量，C^j为服务资源工序j的容量限定，i为加工任务序号，M为加工任务总数；

步骤3，根据下式计算种群中每个个体的适应度函数F；

式中，Mc_i为任务i的加工费用，Tc_i为任务i的加工耗时，M为任务总数，k为归一化系数；

步骤4、找出种群中容量限定C为真True的最大适应度函数F_max和最小适应度函数F_min及其对应的个体，并根据下式计算自适应系数Ac；

式中，F_max为最大适应度函数，F_min为最小适应度函数；

步骤5、利用自适应系数Ac计算本轮迭代对应的选择概率Ps'、本轮迭代对应的交叉概率Pc'和本轮迭代对应的变异概率Pm'；其中

Ps'＝Ps*Ac

Pc'＝Pc*Ac

Pm'＝Pm*Ac