隨著信息科技的迅猛發(fā)展,云制造這種新型的制造模式悄然產(chǎn)生。它是在綜合國內(nèi)制造產(chǎn)業(yè)的發(fā)展水平和工業(yè)生產(chǎn)、工業(yè)技術(shù)飛速發(fā)展以及在中國制造業(yè)信息化等發(fā)展背景的前提下提出的。由云計算發(fā)展而來的云制造是指利用網(wǎng)絡(luò)云端平臺以及利用先進的計算機技術(shù)和智能制造技術(shù)的新理念。顧名思義,云制造能根據(jù)用戶的請求,在云端為用戶提供優(yōu)質(zhì)的制造資源。將制造產(chǎn)業(yè)云端化是云制造的工作重心,所以,云制造是一種特殊的云計算。但是與云計算相比,云制造更具有針對性,在云制造的工作過程中,它包含了整個制造流程中出現(xiàn)的制造資源信息,在調(diào)用服務(wù)時云制造又對制造生命周期內(nèi)的所有和制造相關(guān)的軟件、硬件的信息協(xié)調(diào)管理,這對分析故障等具有重大意義。云制造通過記錄的信息構(gòu)建了一個網(wǎng)絡(luò)共享化和制造資源集成化的共享平臺。因為共享平臺的存在,能夠使制造企業(yè)或用戶訪問和使用制造資源。在制造云管理制造資源的系統(tǒng)中最為重要的一點就是根據(jù)用戶需求和約束條件,通過調(diào)整制造云服務(wù)的制造資源和制造能力,找到最能滿足要求的復合服務(wù),這是制造云中十分重要的環(huán)節(jié)。本文將這一環(huán)節(jié)稱為制造云服務(wù)選擇的目標規(guī)劃問題。為了滿足解決問題的要求,本文基于傳統(tǒng)的粒子群算法和制造云... 

【文章來源】：齊魯工業(yè)大學山東省

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

環(huán)狀粒子群結(jié)構(gòu)圖

圖 3.2 粒子位置和值的關(guān)系3.4 基于單目標 PSO 服務(wù)選擇的改進（1）種群的更新與傳統(tǒng)線性相關(guān)的 PSO 相比，環(huán)形相關(guān)結(jié)構(gòu)的更新和上一次的更新密切相關(guān)。第 a 個粒子在第 t 次更新的 i 維度要依據(jù)前一次粒子更新的位置和速度信息進行更新迭代。過程如公式（3.3）和公式（3.4）所示。t 1aiv =taiwv + ()(),12taitnaitaitaicζ p x cηp x（3.3）[].1[].(()[])21111111 xxvwithprobppxxvwithprobpxvxvtaitaitaitaitaitaitaitaitaitai （3.4）其中收縮因子 由下式?jīng)Q定，如公式（3.5）所示。

表 4.2 算法的多樣性和收斂性測試結(jié)果測試收斂性 多樣性均值 方差 均值 方差傳統(tǒng)約束多目標 0.00252 8.38E-03 0.05664 8.92E-03改進約束多目標 0.0024 3.23E-04 0.02532 5.26E-03邏輯位置的分布是評價一個改進算法是否能符合原算法要求的重要指標，進后的算法求解的最優(yōu)值的邏輯位置十分接近傳統(tǒng)算法求解的最優(yōu)值的邏輯時，就可以表明，該改進后的算法邏輯指標較高。當改進后的算法求解的最的集合中解的平衡值趨于穩(wěn)定時，表明改進后的算法的求解值的多樣性趨于。表明改進后算法具有可行性。所以本章根據(jù)改進后的算法與傳統(tǒng)算法所得定性和多樣性對比，對最優(yōu)解進行求解，所求得結(jié)果的對比如圖 4.1 所示。032 x 22221f( x) (x 5) (x 5)

【參考文獻】：
期刊論文
[1]基于Shapelet剪枝和覆蓋的時間序列分類算法[J]. 原繼東,王志海,韓萌.  軟件學報. 2015(09)
[2]基于改進蟻群算法的Web服務(wù)選擇[J]. 盛國軍,溫濤,郭權(quán),印瑩.  東北大學學報(自然科學版). 2014(08)
[3]雙目標動態(tài)遷移操作DE-PSO混合算法[J]. 趙華,劉俊梅.  寧夏工程技術(shù). 2013(04)
[4]基于人工魚群算法的QoS全局最優(yōu)Web服務(wù)選擇的研究[J]. 劉旋,廖明潮.  計算機應(yīng)用與軟件. 2013(08)
[5]基于蟻群算法的Web服務(wù)選擇[J]. 王秀亭,馬力.  現(xiàn)代電子技術(shù). 2013(12)
[6]一種可信的基于協(xié)同過濾的服務(wù)選擇模型[J]. 王海艷,張大印.  電子與信息學報. 2013(02)
[7]基于和聲搜索算法的知識即服務(wù)動態(tài)組合優(yōu)化[J]. 倪志偉,尹道明,王力,李懷英,王士凱.  計算機工程與應(yīng)用. 2012(32)
[8]基于局部搜索與混合多樣性策略的多目標粒子群算法[J]. 賈樹晉,杜斌,岳恒.  控制與決策. 2012(06)
[9]基于差異演化算法的QoS全局最優(yōu)動態(tài)Web服務(wù)選擇[J]. 康國勝,劉建勛,唐明董,徐宇.  電信科學. 2011(12)
[10]基于改進混合粒子群算法的服務(wù)動態(tài)選擇方法[J]. 舒振,陳洪輝,羅雪山.  中南大學學報(自然科學版). 2011(10)

博士論文
[1]云計算中服務(wù)組合與選擇技術(shù)研究[D]. 劉陽.北京郵電大學 2013

碩士論文
[1]多目標粒子群優(yōu)化算法的改進及應(yīng)用研究[D]. 伍思敏.江南大學 2013
[2]面向多租戶應(yīng)用QoS感知的服務(wù)選擇方法研究[D]. 劉玉龍.山東大學 2013
[3]云制造若干關(guān)鍵技術(shù)研究及其原型系統(tǒng)初步開發(fā)[D]. 付偉.浙江大學 2012
[4]動態(tài)Web服務(wù)組合中業(yè)務(wù)流程建模環(huán)境的研究與實現(xiàn)[D]. 鄧保華.國防科學技術(shù)大學 2005



本文編號：2965025