[发明专利]基于信任模型的云制造服务评价与匹配方法

权利要求书

1.一种基于信任模型的云制造服务评价与匹配方法，其特征在于：包括如下步骤：

步骤一：利用云服务资源池中的历史服务过程监控数据和服务结果评价数据，构建服务满意度评价指标体系，量化服务满意度，获得每次历史服务满意度评价信息；

步骤二：引入时效性函数表征服务综合信任模型评价值随时间的变化关系，利用牛顿冷却定律拟合时间衰减函数，得到服务满意度时效性函数；

步骤三：在云服务资源池中建立以直接满意度和推荐满意度为指标的全局服务满意度；

步骤四：依赖于历史服务满意度波动性大小，计算出服务满意度波动性，并将服务满意度波动大小作为奖惩依据对全局服务满意度进行修正，得到云服务资源池的服务综合信任模型；

步骤五：使用遗传进化算法对服务综合信任模型求解，得到最优的云制造服务资源组合方案。

2.根据权利要求1所述基于信任模型的云制造服务评价与匹配方法，其特征在于：所述步骤一中，所述服务满意度评价指标包括直接反映合作企业的服务水平的直接性指标和间接反映合作企业的服务水平的间接性指标；

所述直接性指标包括：

服务成功率：R_SS＝N_S/N_C，

服务成本偏差：d_IC＝C_VP-C_A，

服务可靠性：R_S＝t_SF/t_S，

交付及时率：R_ID＝t_ID/N_C，

服务响应率：R_SR＝N_R/N_RB；

所述间接性指标包括：

服务合作率：R_SC＝N_C/N_R，

能耗等级：K_E＝K_j/K_ave，

售后服务率：R_AS＝N_AC/N_AR，

近期活跃度：

其中，R_SR为服务响应率；N_R为服务请求者向云平台发出合作请求的响应次数；N_RB为云平台向资源提供者发出的请求次数；

d_IC为服务成本偏差；C_VP为云服务资源池的成本；C_A为候选资源组合中所有资源服务的评价成本；

R_S为服务可靠性；t_SF为资源服务失效时间；t_S为服务时间；

R_ID为交付及时率；t_ID为合作企业近期交付及时次数；N_C为合作次数；

R_SS为服务成功率；N_S为服务资源在近期服务成功次数；

R_SC为服务合作率；

K_E为能耗等级；K_j为资源服务的能效值；K_ave为该类服务平均能效值；

R_AS为售后服务率；N_AC为售后出勤次数；N_AS为用户售后请求次数；

A_R为近期活跃度；γ为修正系数；

根据各项服务满意度评价指标所对应的权重向量的不同，构建云服务资源池的历史服务满意度评价指标矩阵：

其中,T_kh表示第k次匹配云制造任务TP_r获取的第h个服务满意度评价指标值；各项指标所对应的权重向量为：W＝(w_k1,w_k2,…,w_kh,…,w_kj)(0≤w_kh≤1)，且w_k1+w_k2+…+w_kh+…+w_kj＝1；

其中，第k次的服务满意度S_k计算公式为：

Sk=Σh=1jwkhTkh.]]>