基于改进蚁群算法的制造云服务组合优化

doi:10.13196/j.cims.2016.01.011

计算机集成制造系统 ›› 2016, Vol. 22 ›› Issue (第1期): 113-121.DOI: 10.13196/j.cims.2016.01.011

基于改进蚁群算法的制造云服务组合优化

马文龙^1,2,王铮²,赵燕伟²

1.衢州职业技术学院信息工程学院
2.浙江工业大学计算机科学与技术学院

出版日期:2016-01-30 发布日期:2016-01-30
基金资助:
国家自然科学基金资助项目(51275477);浙江省自然科学基金资助项目(LY15E050007);衢州市科技局指导性科技资助项目(2014047)。

Optimizing services composition in cloud manufacturing based on improved ant colony algorithm

Online:2016-01-30 Published:2016-01-30
Supported by:
Project supported by the National Natural Science Foundation,China(No.51275477),the Zhejiang Provicial Natural Science Foundation,China(No.LY15E050007),and the Instructive Science and Technology Support Project of Quzhou City,China(No.2014047).

摘要/Abstract

摘要： 为解决云制造环境下的动态服务组合问题,提出一种基于改进蚁群算法的制造云服务组合优化算法。在分析制造云服务组合流程的基础上,通过子任务服务质量评估模型优选制造云服务,并将服务质量值作为信息素,以服务间转移成本为启发函数参数,采用最优路径列表和轮盘赌选择机制改进蚁群算法,求解整体最优组合路径,最后利用组合制造云服务的服务质量计算模型评估全局最优路径服务质量综合信息。仿真实验证明该算法能有效求解制造云服务组合问题,并能较快地收敛于全局最优解。

关键词: 制造云, 服务组合, 最优化, 蚁群算法, 服务质量

Abstract: To solve the problem of dynamic service composition in cloud manufacturing environment,a service composition method in cloud manufacturing based on improved ant colony algorithm was presented.A sub-task evaluation model was established to calculate QoS value by analyzing the composition process of manufacturing cloud service.The value was taken as the pheromone and the transfer cost between services as the heuristic function parameter to improve ant colony algorithm with optimal path list and roulette wheel selection mechanism,and a global optimal combination was solved.The global optimal QoS comprehensive information was calculate by combination QoS model.The experiment results showed that the method could solve the problem of service composition in cloud manufacturing effectively and achieve the global optimal solution quickly.

Key words: manufacturing cloud, service composition, optimization, ant colony algorithm, quality of service

中图分类号:

TP311.52

马文龙,王铮,赵燕伟. 基于改进蚁群算法的制造云服务组合优化[J]. 计算机集成制造系统, 2016, 22(第1期): 113-121.

[1]	杨冬菊,张伟达,赵卓峰. 基于服务关联网络的服务依赖关系识别[J]. 计算机集成制造系统, 2021, 27(9): 2691-2700.
[2]	闫志强,杨翰宇,程冠杰,刘洪荣,邓水光,刘冠宇,杨明. 基于区块链的服务质量综合评估框架与算法[J]. 计算机集成制造系统, 2021, 27(9): 2708-2720.
[3]	李永湘,姚锡凡,刘敏. 基于可靠性可信性分析的云制造服务组合优化[J]. 计算机集成制造系统, 2021, 27(6): 1780-1798.
[4]	王婕,耿秀丽. 基于直觉模糊余弦相似度的云制造服务质量评价[J]. 计算机集成制造系统, 2021, 27(4): 1128-1134.
[5]	胡杨,吴锋,王红涛. 考虑稀缺服务与质量损失云制造服务组合问题[J]. 计算机集成制造系统, 2021, 27(12): 3639-3650.
[6]	钟泽杉,杨敏,赵现朝,岳义,时云,杨天豪. 轴空间多约束下的五轴B样条路径速度规划[J]. 计算机集成制造系统, 2021, 27(1): 138-149.
[7]	徐兴,钱誉钦,赵芸,张云,陈小依,吕晓姝. 基于改进蚁群算法的立体仓库三维空间路径优化[J]. 计算机集成制造系统, 2021, 27(1): 207-214.
[8]	张玉茹,王晨旸. 引入变异算子的改进贪心和蚁群混合算法[J]. 计算机集成制造系统, 2020, 26(第3): 860-870.
[9]	郝予实,范玉顺. 基于场景识别的云制造服务推荐[J]. 计算机集成制造系统, 2020, 26(8): 2007-2019.
[10]	张志坚,王鹏,柳键,罗春林,郭军华. 考虑在线评价的供应链运营决策与奖惩机制[J]. 计算机集成制造系统, 2020, 26(7): 1986-1997.
[11]	徐小斐,陈婧,饶运清,孟荣华,袁博,罗强. 迁移蚁群强化学习算法及其在矩形排样中的应用[J]. 计算机集成制造系统, 2020, 26(12): 3236-3247.
[12]	周翔,许茂增,吕奇光,李丹. 基于客户点行政地址的自提点选址—路径优化[J]. 计算机集成制造系统, 2019, 25(第8): 2069-2078.
[13]	白建龙,陈瀚宁,胡亚宝,何茂伟,梁晓丹,PARK Dongwon. 基于负反馈机制的蚁群算法及其在机器人路径规划中的应用[J]. 计算机集成制造系统, 2019, 25(第7): 1767-1774.
[14]	黎继子,张念,刘春玲. 基于全渠道设计的众包供应链订单生产决策优化[J]. 计算机集成制造系统, 2019, 25(第5): 1248-1258.
[15]	蔡安江,郭宗祥,郭师虹,蔡曜,薛晓飞. 云制造环境下的知识服务组合优化策略[J]. 计算机集成制造系统, 2019, 25(第2): 421-430.

基于改进蚁群算法的制造云服务组合优化

Optimizing services composition in cloud manufacturing based on improved ant colony algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics