云制造中多资源分层建模-匹配-组合调度智能优化方法研究

As an emerging scenario of manufacturing informatization, Cloud Manufacturing has become one of the major trends of intelligent manufacturing. Aiming at the problem of difficultly unified modeling and describing the massive, heterogeneous and distributed cloud resources information, a Bilayer Cloud Manufacturing Resource Model and related resource-via-cloud-service-based mechanism of resource package, publication and searching are both first proposed, with the result that the loose coupling relationship between physical resources and logical resources is realized. Based on the new model above, taking the coarse granularity of cloud resource into account, a resource performance matching method based on multi-dimension extension theory is innovatively proposed, and the establishment of performance matching extension model and related calculation method of multi-dimensional extension distance will be studied, thus the effectiveness of resource performance comprehensive matching will be promoted; In view of the mass QoS information in Cloud Manufacturing, a cloud resource QoS evaluation model based on predictive evaluation and recommended evaluation is innovatively proposed, thus not only to meet the high degree of participation of mass users, but also to rectify the subjective bias of the traditional evaluation methods; According to the cross-region feature of Cloud Manufacturing process and multi objective optimization, a resource combinational scheduling optimization method based on improved differential evolution algorithm is proposed, with the result of transforming mass task into multi-batch small tasks being parallel and hybrid executed, so the execution scheme of Cloud Manufacturing is generated. As interdisciplinary frontier content of information, manufacturing and computing, this subject will provide theoretical, methodological and technical support for Cloud Manufacturing resource modeling, matching and combinational scheduling.

作为制造业信息化的新模式新手段，云制造已成为智慧制造发展的主要趋势。本项目针对云制造海量、异构、分布资源信息难以统一建模和描述的问题，首次提出云端-云制造平台相分离的双层资源模型和基于资源云服务的封装、发布和发现机制，实现物理资源与逻辑资源的松耦合关系。在此基础上，针对云资源的粗粒度性，创新性地提出基于多维可拓理论的性能匹配方法，研究性能匹配可拓模型和多维可拓距计算方法，提升资源性能总体匹配效果；根据云制造中海量QoS信息，创新性地提出基于预测评估和推荐评估的云资源QoS评估模型，不仅满足云制造海量用户高度参与性，还纠正了传统评估方法的主观片面性；根据云制造过程跨地域特征和多优化目标，提出基于改进差分进化算法的资源组合调度优化方法，实现大批量任务多批次混合执行，形成云制造可执行方案。本项目作为信息、制造、计算等多学科交叉的前沿内容，为云制造资源建模和组合调度优化提供理论、方法和技术支持。

作为智能制造和“中国制造2025”的重要内容，云制造自本世纪初提出以来，得到了学界、产业界和政府的广泛关注，成为推动传统制造业新发展的重要途径之一。然而，在实际应用中，由于涉及企业行业众多，云资源呈现海量、异构、地域分布广、属性特征复杂等特性，对制造资源云端化、制造云管理引擎、云制造应用协同等技术提出了挑战。本项目围绕云制造环境下多资源的建模、选择和组合调度等问题展开研究，采用了分层建模及虚拟化封装、多维可拓理论、优度评价、群智能优化算法等关键技术。具体研究内容为：1）在制造网格的基础上，面向复杂网络环境提出了云制造体系结构，并进而提出了与之相适应的云端-云制造平台相分离的双层资源模型和基于资源云服务的封装、发布和发现机制，实现物理资源与逻辑资源的松耦合关系；2）提出了基于多维可拓理论的性能匹配方法和多维可拓距计算方法，提升粗粒度资源的性能匹配效果；3）提出了基于预测评估和推荐评估的云资源QoS评估模型，充分利用了云平台海量的评价信息，兼顾了资源评估的主观性和客观性需求；4）建立了基于三角模糊数互补判断矩阵的可拓评价模型，进而提出了基于制造风险的云资源动态调整方法，提升了云制造系统的鲁棒性；5）提出了基于改进DE和TLBO的云资源组合调度优化算法，以及基于多种策略综合改进的人工蜂群算法，实现了大批量制造任务的多批次混合执行，满足了云资源跨地域分布特征和多目标优化需求；6）针对云资源池中大量存在的集第三方专业评价、用户主观体验评论和群体智慧于一体的文本评论信息，围绕“离散化语义情感极性值无法满足海量云资源的排序需要”和“属性级情感分析的细粒度性无法满足粗粒度云资源综合评价要求”两个关键问题进行了预研，并初步提出了相关的模型和计算方法。本项目的研究成果将为云制造环境下复杂资源的建模、选优和智能组合提供理论基础和实际指导，对云制造模式的进一步落地具有重要的理论意义和应用价值。