基于LG-MMAS算法的制造云服务优化组合研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (25): 239-242.

基于LG-MMAS算法的制造云服务优化组合研究

刘志中，薛霄，安吉宇，鲁保云

河南理工大学计算机科学与技术学院，河南焦作 454000

出版日期:2012-09-01 发布日期:2012-08-30

Research on manufacturing cloud service optimal composition based on CL-MMAS algorithm

LIU Zhizhong, XUE Xiao, AN Jiyu, LU Baoyun

College of Computer Sciences and Technology, Henan Polytechnic University, Jiaozuo, Henan 454000, China

Online:2012-09-01 Published:2012-08-30

摘要/Abstract

摘要： 制造云服务组合是一种提高云制造资源利用率，实现制造资源增值的新技术, 对云制造产业的快速发展具有重要的支撑作用。随着云制造技术的日益成熟，网络上出现了大量具有相同制造功能和不同服务质量的制造云服务，如何通过这些制造云服务构建出既能满足用户制造需求，又具有最优服务质量的组合服务是云制造领域面临的难题。针对这一问题，将协作学习、变异和精英保留机制引入最大最小蚁群算法，构造了具有学习和变异能力的最大最小蚁群算法，并使用该算法求解服务质量感知的制造云服务优化组合问题。仿真实验结果验证了算法的有效性。

关键词: 云制造, 服务组合, 服务质量, 协作学习, 最大最小蚁群算法

Abstract: Manufacturing cloud service composition is a new technology to improve the utilization and achieve the appreciation of cloud manufacturing resources, and support the rapid development of cloud manufacturing industries. As the cloud manufacturing becomes more sophisticated, a large number of manufacturing cloud services with the same founctionalities and different quality of service appear. How to build a composite service through these manufacturing cloud services that not only can meet user’s quality demand, but also has optimal quality is a challenging problem. To solve this problem, this paper introduces the Collaborative Learning（CL） and elite retation mechanism to the Max-Min Ant System（MMAS）, constructs a new optimal algorithm with learning ability, and then applies this algorithm to solve the problem of otpimal manufacturing cloud service composition. The Simulation results validate the effectiveness of this algorithm.

Key words: cloud manufacturing, service composition, Quality of Service（QoS）, Collaborative Learning（CL）, Max-Min Ant System（MMAS）

刘志中，薛霄，安吉宇，鲁保云. 基于LG-MMAS算法的制造云服务优化组合研究[J]. 计算机工程与应用, 2012, 48(25): 239-242.

LIU Zhizhong, XUE Xiao, AN Jiyu, LU Baoyun. Research on manufacturing cloud service optimal composition based on CL-MMAS algorithm[J]. Computer Engineering and Applications, 2012, 48(25): 239-242.

[1]	冯戒虚，司冠南，周风余. 服务机器人云平台服务质量指标体系综述[J]. 计算机工程与应用, 2021, 57(3): 58-71.
[2]	甘昕艳，高翔. 基于犹豫模糊决策算法的云制造系统选择研究[J]. 计算机工程与应用, 2021, 57(2): 134-142.
[3]	刘晶花，台宪青，马治杰，陈大鹏. 面向用户需求的动态QoS服务选择方法研究[J]. 计算机工程与应用, 2021, 57(17): 106-115.
[4]	陈甜甜，何秀青，葛文双，何聚厚. 大规模在线协作学习分组方法及应用研究[J]. 计算机工程与应用, 2021, 57(1): 92-98.
[5]	郑祖朋，汪祖民，彭杨，季长清，秦静. 能量采集传感器网络中MAC协议研究综述[J]. 计算机工程与应用, 2020, 56(15): 24-29.
[6]	尹超，唐力明，李孝斌. 基于用户心理行为的云制造知识服务优选决策[J]. 计算机工程与应用, 2019, 55(21): 66-73.
[7]	贾志淳，卢元，李想，邢星. 一种多参数的Web服务选择方法[J]. 计算机工程与应用, 2019, 55(21): 74-78.
[8]	王亮1，2，郭星1，2. 基于柯西烟花算法的大规模服务组合优化[J]. 计算机工程与应用, 2018, 54(24): 34-40.
[9]	谭朝文，宗容，席先强，武浩. 基于贝叶斯张量分解的改进QoS预测[J]. 计算机工程与应用, 2018, 54(20): 74-79.
[10]	覃秋玉1，刘丹丹2，张健2. 延迟容忍网络中自适应拥塞控制机制研究[J]. 计算机工程与应用, 2018, 54(11): 109-115.
[11]	张杨1，3，徐传运2，3. QoS多层本体的双向度量模型[J]. 计算机工程与应用, 2017, 53(20): 14-19.
[12]	高秀娥1，2，李克秋1. 基于马尔科夫链的联合呼叫接入控制算法[J]. 计算机工程与应用, 2017, 53(2): 32-37.
[13]	陈健，朱庆生，张程. QoS感知的语义服务组合搜索算法[J]. 计算机工程与应用, 2017, 53(2): 58-63.
[14]	曹静1，武君胜2. 认知无线网适用于视频的分簇路由算法[J]. 计算机工程与应用, 2017, 53(18): 1-6.
[15]	罗凌1，杨有1，马燕2. 基于模糊C均值的在线协作学习混合分组研究[J]. 计算机工程与应用, 2017, 53(16): 68-73.