基于i-NSGA-Ⅱ-JG算法的云制造资源服务组合优选

针对云制造环境下资源服务组合优选问题,建立了以服务需求方约束和资源提供方约束为基础的双方约束模型;提出一种具有继承性和跳跃基因的带精英策略的快速非支配排序遗传算法对所建模型进行求解,为服务需求方找到一系列优选服务组合;构建了云制造服务质量计算模型对优选服务组合进行综合评估,选出最优资源服务组合和备选方案资源服务组合。通过算法测试表明了改进算法的有效性、普适性和高效性,通过算例论证表明了所提方法的可行性、稳定性和优越性。

大数据背景下的云联盟数据资源服务组合模型

针对大数据背景下的云联盟数据资源多服务问题,提出基于Agent的云联盟数据资源服务体系结构,在分析云联盟数据资源服务特征及组合流程的基础上,从任务请求过量和强QoS约束两种组合情形出发,构建了云联盟数据资源服务组合模型,并采用量子多目标进化算法进行求解。通过仿真实验,证明了模型及算法的可行性与有效性。

云制造环境下基于i-NSGA-Ⅱ-JG算法的制造资源服务组合优选

云制造环境下,为解决制造资源服务组合优选的难题,充分考虑服务需求方和资源提供方的任务和要求,构建了代表服务供需双方利益的约束模型;基于改进的i-NSGA-Ⅱ-JG算法对模型进行求解,得到一系列优选资源服务组合;构建以服务时间、成本和质量为指标的评价模型,对优选资源服务组合进行综合评价,为服务需求方选出最优资源服务组合和备选方案组合。最后通过算例论证表明该模型的可行性和有效性。

面向新产品开发的云制造服务资源组合优选模型

针对面向新产品开发的云制造服务资源组合在优选过程中的不确定性、粗粒度性、多样性、动态性等特点,提出包含T(服务时间)、Q(服务质量)、C(服务成本)、A(可用性)、Co(可组合性)、Tr(可信任性)、Ma(可维护性)和Su(可持续性)等八大目标变量的优选目标体系,建立一种面向新产品开发的云制造服务资源组合优选模型,并采用灰色关联度分析方法对该模型的求解过程进行了分析。以一个应用实例验证了该优选目标体系及优选模型的正确性和实用性。

网络化制造资源服务状态监控研究

在对面向服务架构S0A和W ebService技术分析基础上,提出了对基于分布、自治、异构的网络化制造资源状态的监控机制。在此基础上研究了满足不同应用需求的监控方法。对监控机制实现所涉及的若干关键技术:资源服务命名方法和资源服务的组合方式提出了相应的解决方案。

云制造资源优化配置研究综述

随着信息技术的迅速发展,中国乃至世界制造业发生了巨大变化。正朝着信息化、虚拟化、服务化的方向发展。云制造将成为未来制造业的主流,而资源优化配置则是云制造平台运营的一个关键。针对当前国内外云制造资源优化配置方面的研究成果,分析了云制造现今的发展水平,概括了云制造资源优化配置的基本思想。在国内外学者的研究基础之上总结了云制造资源优化配置的重要问题,并给出了解决方法和建议,为云制造在资源优化配置方面的深入研究奠定基础。