文档介绍：基于交叉变异粒子群算法的
复杂多任务制造云服务组合研究

重庆大学硕士学位论文
(学术学位)

学生姓名:李一鸣
指导教师:刘卫宁教授
专业:计算机系统结构
学科门类:工学

重庆大学计算机学院
二 O 一三年四月
Study plex Multi-task oriented
position in Cloud
Manufacturing Base on Crossover and
Mutation Particle Swarm Optimization

A Thesis Submitted to Chongqing University
in Partial Fulfillment of the Requirement for
Master’s Degree of Engineering
By
Li Yiming

Supervised by Professor Weining Liu
Specialty: Computer Architecture

College puter Science of Chongqing University,
Chongqing, China
April 2013
重庆大学硕士学位论文中文摘要

摘要

云制造是一种网络化制造新模式,它旨在实现基于知识的制造资源共享与按
需使用,从而提高资源利用率和企业核心竞争力。服务组合与优选是实现制造资
源优化配置的核心技术之一,鉴于云制造环境的开放性、复杂性和多用户性,现
有的面向单一任务的服务组合优选技术难以满足实际的复杂需求。因此,研究面
向复杂多任务的制造云服务组合与优选技术具有理论和实践意义。
本文突破以往云服务组合与优选的研究中,对于制造任务的数量、类型、时
序关系的单一化约束,探索一种面向复杂多任务的制造云服务组合与优选问题解
决方案,主要工作如下:
①提出了一种四维的云服务 QoS(Quality of Service,服务质量)评价体系和
组合云服务的 QoS 计算表达式,作为基于 QoS 的云服务组合与优选的依据。首先,
通过对制造云服务组合与优选的执行过程和云制造特点的分析,建立了四维的 QoS
评价体系,给出细化的描述和计算公式。进而,对云服务组合可能的四种结构模
型和对应的 QoS 表达式进行了研究,最终给出了组合云服务的 QoS 计算表达式。
②设计了交叉变异粒子群算法求解面向单任务的云服务组合与优选,为后续
研究提供算法支撑。首先,建立了针对单个制造任务云服务组合与优选的问题模
型。然后,将遗传算法的交叉变异思想融入粒子群算法,并在最后的局部优化过
程中加入贪心选择,从而提出了交叉变异粒子群算法对问题模型进行求解。
③提出了面向复杂多任务云服务组合与优选问题求解方案。分别对多任务异
步请求和多任务同步请求两种模式下的云服务组合与优选的方案进行研究。主要
成果包括:1)在问题模型上,突破了任务数量、时序关系、任务类型的限制,给
出了面向复杂多任务的问题求解算法;2)在优化策略上,设计了综合优化效果与
时间性能的混合型优化策略;3)在云服务占用权上,设计了五级的优先策略。
最后,基于摩托车制造这一应用场景构造实验模型,对本文设计的复杂多任
务云服务组合与优选整体求解方案进行仿真测试实验。实验证明,该求解方案具
有较高的最优解命中百分比,是有效的;随着任务请求规模的扩大,求解方案执
的执行时间在可控范围之内,是高效的;求解方案中设计的交叉变异粒子群算法
与传统的粒子群算法相比具有明显的优越性。

关键词:云制造,服务组合,复杂多任务,粒子群算法,服务质量
I
重庆大学硕士学位论文英文摘要

ABSTRACT

Cloud manufacturing is a new mode work manufacturing aims to achieve
manufacturing resource sharing and on-demand using based on knowledge, thereby
improving resource utilization and petitiveness of enterprises. Service
composition and optimization is one of the core technologies of the manufacturi