摘要
制造云服务组合是一种提高云制造资源利用率,实现制造资源增值的新技术,对云制造产业的快速发展具有重要的支撑作用。随着云制造技术的日益成熟,网络上出现了大量具有相同制造功能和不同服务质量的制造云服务,如何通过这些制造云服务构建出既能满足用户制造需求,又具有最优服务质量的组合服务是云制造领域面临的难题。针对这一问题,将协作学习、变异和精英保留机制引入最大最小蚁群算法,构造了具有学习和变异能力的最大最小蚁群算法,并使用该算法求解服务质量感知的制造云服务优化组合问题。仿真实验结果验证了算法的有效性。
Manufacturing cloud service composition is a new technology to improve the utilization and achieve the appreciation of cloud manufacturing resources, and support the rapid development of cloud manufacturing industries. As the cloud manufacturing becomes more sophisticated, a large number of manufacturing cloud services with the same founctionalities and different quality of service appear. How to build a composite service through these manufacturing cloud services that not only can meet user＇ s quality demand, but also has optimal quality is a chal- lenging problem. To solve this problem, this paper introduces the Collaborative Learning （CL） and elite retation mechanism to the Max-Min Ant System （MMAS）, constructs a new optimal algorithm with learning ability, and then applies this algorithm to solve the problem of otpimal manufacturing cloud service composition. The Simula- tion results validate the effectiveness of this algorithm.
出处
《计算机工程与应用》
CSCD
2012年第25期239-242,248,共5页
Computer Engineering and Applications
基金
国家自然科学基金面上项目(No.61175066)
国家自然科学基金青年基金项目(No.60905041)
中国博士后科学基金(No.20110490396)
河南省高校科技创新人才资助计划(No.2011GGJS-056)
河南理工大学校博士基金
关键词
云制造
服务组合
服务质量
协作学习
最大最小蚁群算法
cloud manufacturing
service composition
Quality of Service （QoS）
Collaborative Learning （CL）
Max-Min Ant System （MMAS）
