信息未确知的制造网格服务性能预测及执行决策方法研究

为了实现高效稳定的制造网格系统运作，企业必须对制造网格中的未知因素做出预测并针对多种方案进行决策。实际制造服务过程中存在大量异构的动态、多变信息，它们是造成预测和决策困难的原因。本项目围绕制造网格系统中未确知信息的分析与利用，研究支持未确知信息条件下制造企业协同的制造网格服务执行关键技术：1）在分析与处理制造网格系统中的未确知信息基础上，研究制造网格服务资源的信息表征方法，构建知识关联、可重构的服务资源元模型。2）研究信息未确知的基于数据挖掘的多目标决策方法，解决未确知属性值（数值区间或语言标度）、未确知影响决策目标因素权重两类未确知决策问题。3）研究信息未确知的基于知识模板的网格服务性能预测方法，并进一步评估预测精度。4）研究未确知信息的柔性制造网格服务调度问题，建立基于未确知预测和动态规划理论的制造网格服务调度模型。最后基于仿真平台验证上述理论。

随着现代企业环境向复杂化、分散化、动态化、知识化方向的发展，网络化制造、虚拟制造、敏捷制造、全球制造等先进制造模式相继出现，并在制造业领域发挥着不同程度的作用，为推动制造业信息化做出了巨大的贡献。由于网格技术的特点与提供的新功能能够极好地吻合网络化制造系统的需求，将网格技术引入网络化制造，构建支持全球资源共享与协作的网格制造系统，具有重要的理论价值和现实意义。本项目主要研究了信息未确知的制造网格服务性能预测及执行决策方法，主要包括如下几方面：.1）在分析与处理制造网格系统中的未确知信息基础上，研究制造网格服务资源的信息表征方法，构建了基于元模型的知识关联、可重构的服务资源元模型。.2）研究信息未确知的基于数据挖掘的多目标决策方法，解决未确知属性值（数值区间或语言标度）、未确知影响决策目标因素权重两类未确知决策问题。包括，基于粗集理论的知识约简、权重确定和多目标制造网格资源优选，以及基于QoS的制造网格资源配置决策方法。.3）建立了制造网格服务知识模板与研究了制造服务的模糊聚类；在此基础上研究了基于改进GM模型的网格服务性能预测方法，并进一步评估预测精度。.4）研究未确知信息的柔性制造网格服务调度问题，建立了制造网格服务多目标优化调度的数学模型。提出了一种基于Pareto 多目标免疫遗传算法的制造网格服务重组优化调度方法，该算法综合运用了小生境技术、群体排序技术和精英保留策略，并对遗传算子进行改进，自适应地调整交叉和变异算子，结合免疫算法的免疫选择淘汰了相似个体，保证了种群多样性，避免了早熟现象的发生。免疫记忆对近似最优解进行动态邻域搜索，提高了算法的局部搜索能力。实例仿真表明了该算法的有效性。