基于蚁群算法的云制造服务组合优化研究

【摘要】：制造业是国民经济和国家安全的重要支柱,是一个国家具有战略性地位的产业。制造业正在朝着多样化、复杂化、大规模化的方向发展,现在亟需一种更加高效安全的制造模式来适应需求的变化。云制造(Cloud Manufacturing)的概念应运而生。云制造是一种基于互联网的、面向服务的、高效率低功耗的新型制造模式,它的实现依赖于制造数字化、云计算、物联网、大数据等技术的发展。在云制造平台系统中,制造资源的分配会随着用户的不同需求动态改变。平台在某一个节点发生故障的时候能够在用户不知情的情况下将任务转移到其它制造资源上继续执行,因此云制造模式与传统的制造模式相比具有更高的安全性和可靠性。为了更好地解决云制造服务组合优选问题,本文提出一种基于多属性服务质量(Quality of Service,QoS)评价模型的动态参数蚁群算法(Dynamic Parameter Ant Colony Algorithm,DPACO)。首先建立基于时间、费用、性能和满意度的多属性QoS评价模型。其次提出动态参数蚁群算法,算法分为两个阶段,第一阶段选择较小的信息启发式因子α,较大的期望启发式因子β和信息素挥发系数ρ,并加入特殊蚂蚁;第二阶段选择较大的信息启发式因子α,较小的期望启发式因子β和信息素挥发系数ρ,并加入子空间搜索机制。最后通过具体的钢铁锻造任务进行仿真实验,将DPACO与基本蚁群算法(ACO)、遗传算法(GA)、差分进化算法(DE)作比较,实验结果表明DPACO在求解云制造服务组合问题上具有更好的收敛性、有效性和鲁棒性,不过在算法执行时间上稍多于其它基本算法。