[发明专利]一种面向大规模多批次任务协同的云制造服务组合优化方法

说明书

本发明涉及一种面向大规模多批次任务协同的云制造服务组合优化方法，本发明通过基于多种改进的人工蜂群算法对大规模多批次任务协同组合模型的寻优过程进行优化，以优化后的大规模多批次任务协同组合模型来解决面向大规模多批次任务协同的云制造服务组合优化问题，本发明具有较强的鲁棒性、收敛速度快以及全局寻优能力强，提高了求解的准确性；同时以生产时间为优化目标，实现了云制造环境下，大规模多批次任务协同的服务组合优化，缩短了整个任务生产时间。

技术领域

本发明涉及群智能优化技术领域，尤其涉及一种面向大规模多批次任务协同的云制造服务组合优化方法。

背景技术

云制造系统汇集了大量的制造任务需求和服务资源，制造任务和资源的规模化、分散性、异构性导致云制造服务组合的应用场景不断产生变化。相比于传统的制造任务模式，多批次协同执行的制造任务模式在缩短生产加工周期以及操作管理便捷性等方面具有更好的表现。然而，在云制造大批次任务执行过程中，需要转移的子批次总数是巨大的，因此加工时间久。为了有效地缩短生产时间，节约人力物力的消耗，争取较大的降价空间，进而为企业在紧张而激烈的市场竞争下提升自身的竞争力。在大规模多批次任务协同执行的生产制造模式背景下，以云制造中最为经典之一的生产时间为优化目标，就如何使得整个任务加工总耗时最短展开研究。

制造厂商往往需要处理大量来自客户的生产订单(例如，需要生产2000台汽车)。为了尽可能地缩短完工时间，在任务执行过程中，云平台需要将任务分解为多个子批次，每个子批次任务对应批次任务中的一组零件加工任务，这些零件在一台机器上进行加工，然后在剩余的部分完成之前转移到下一台机器上。因此，云平台需要在有限时间内处理大量的批次制造任务需求。在此类多批次任务背景下，传统的服务组合方法难以适用，必须研究面向多批次制造任务的服务组合方法加以解决。传统的服务组合方法针对每个任务需求，都将执行一次优选过程，并寻找最优的组合方案，且完全以满足当前任务需求为目标。这往往导致较优的资源被先执行的服务组合用尽，导致后续任务的执行效率和质量无法得到满足，从而很难保证多批次任务需求得到较好地处理，也难以保证有限的制造资源在多批次制造任务需求之间得到全局最优分配。基于以上分析，对上述问题进行建模，提出云制造服务组合模型(Multi-Module Subtasks Collaborative Execution for CloudManufacturing Service Composition，MMSCE-CMSC)，在此基础上，提出了一种基于多种改进策略的人工蜂群算法(Multiple Improvement Strategies based Artificial BeeColony Algorithm，MISABC)。在MMSCE-CMSC中，传统的人工蜂群算法(Artificial BeeColony Algorithm，ABC)难以获得稳定的最优解。因此，本专利尝试通过引入几种改进策略来提高ABC的全局搜索能力和寻优精度，以实现面向大规模多批次任务协同的云制造服务组合优化。

发明内容

本发明为克服上述的不足之处，目的在于提供一种面向大规模多批次任务协同的云制造服务组合优化方法，本发明通过基于多种改进的人工蜂群算法对大规模多批次任务协同组合模型的寻优过程进行优化，以优化后的大规模多批次任务协同组合模型来解决面向大规模多批次任务协同的云制造服务组合优化问题，本发明具有较强的鲁棒性、收敛速度快以及全局寻优能力强，提高了求解的准确性；同时以生产时间为优化目标，实现了云制造环境下，大规模多批次任务协同的服务组合优化，缩短了整个任务生产时间。

本发明是通过以下技术方案达到上述目的：一种面向大规模多批次任务协同的云制造服务组合优化方法，包括如下步骤：

(1)首先将制造任务Task(T)划分为若干个子任务，在云平台选取多个候选云服务并组成候选云服务集，建立面向云制造服务组合的大规模多批次任务协同组合模型；

(2)采用基于多种改进策略的人工蜂群算法对大规模多批次任务协同组合模型的寻优过程进行优化；