针对云制造服务组合问题中广泛存在的不确定性,研究了一种基于服务质量(Quality of Service, QoS)感知的云制造服务组合区间多目标优化方法。该方法采用区间数来描述QoS属性的不确定性,考虑相邻子任务间的联结关系,构建以服务时间、服...针对云制造服务组合问题中广泛存在的不确定性,研究了一种基于服务质量(Quality of Service, QoS)感知的云制造服务组合区间多目标优化方法。该方法采用区间数来描述QoS属性的不确定性,考虑相邻子任务间的联结关系,构建以服务时间、服务成本和评价质量等QoS属性为优化目标的服务组合区间多目标优化模型,以微型多目标遗传算法为框架,引入佳点集改善初始种群,利用区间非支配分级方法,实现了对云制造服务组合区间多目标优化问题的直接求解,其求解效率也在工程示例中得到了验证。展开更多
基于云制造的QoS(Quality of Service)属性分析了制造云服务的组合优选问题,建立了该问题的以时间、费用、信誉和可靠性为目标的云服务组合数学模型。提出了结合层次分析法和改进的粒子群算法对该模型进行求解的优化方法。为了分析用户...基于云制造的QoS(Quality of Service)属性分析了制造云服务的组合优选问题,建立了该问题的以时间、费用、信誉和可靠性为目标的云服务组合数学模型。提出了结合层次分析法和改进的粒子群算法对该模型进行求解的优化方法。为了分析用户需求,细化了每个QoS属性,形成了云服务属性层次,采用层次分析法确定各属性的权重。改进的粒子群算法则可以快速有效地收敛到最优解。这种优化方法既弥补了以往单一优化方法的不足,同时又能深入分析用户对云服务的需求,找到满足用户需求动态变化的云服务组合方案。展开更多
文摘针对云制造服务组合问题中广泛存在的不确定性,研究了一种基于服务质量(Quality of Service, QoS)感知的云制造服务组合区间多目标优化方法。该方法采用区间数来描述QoS属性的不确定性,考虑相邻子任务间的联结关系,构建以服务时间、服务成本和评价质量等QoS属性为优化目标的服务组合区间多目标优化模型,以微型多目标遗传算法为框架,引入佳点集改善初始种群,利用区间非支配分级方法,实现了对云制造服务组合区间多目标优化问题的直接求解,其求解效率也在工程示例中得到了验证。
文摘基于云制造的QoS(Quality of Service)属性分析了制造云服务的组合优选问题,建立了该问题的以时间、费用、信誉和可靠性为目标的云服务组合数学模型。提出了结合层次分析法和改进的粒子群算法对该模型进行求解的优化方法。为了分析用户需求,细化了每个QoS属性,形成了云服务属性层次,采用层次分析法确定各属性的权重。改进的粒子群算法则可以快速有效地收敛到最优解。这种优化方法既弥补了以往单一优化方法的不足,同时又能深入分析用户对云服务的需求,找到满足用户需求动态变化的云服务组合方案。