导　　师： 姚锡凡

授予学位： 博士

作　　者： (）;

机构地区： 华南理工大学

摘　　要： 云计算、物联网、信息物理融合系统、大数据分析等新一代信息技术的日益成熟推动了智慧云制造的发展。制造云服务组合(Manufacturing Cloud Service Composition,MCSC)通过一定的规则动态组装由不同服务提供者所发布服务,实现难以由单个服务完成的复杂功能,从而为制造云系统提供一种按需应变的能力。MCSC优化问题具有动态性、耦合性、大规模、多目标等显著特点,是典型的NP-hard问题,MCSC算法的优劣对资源配置的效率和效果有直接影响。本文针对智慧云制造环境下并发任务需求、服务领域特征知识重用、服务质量动态演进、多目标优化等面临的挑战,提炼出四类MCSC优选场景,并进一步构建相应的问题模型、优选策略以及实现算法。具体内容如下:(1)首先,回顾了制造业发展趋势,简要概述云制造的特征,分析了云制造环境下MCSC面临的挑战;综述了云制造相关领域的研究进展,尤其是聚焦复杂云环境下的MCSC优选问题,引出本文的研究内容和总体框架。(2)从社会信息物理系统视角,探讨智慧云制造抽象系统模型及其体系架构;从数据的获取、分析和智能化应用的角度,讨论智慧云制造系统运行机理;最后给出了智慧云制造资源服务优选的相关基础理论知识。(3)针对云环境下的并发任务MCSC需求,提出一种多任务整体优选策略,构建以使有限服务资源在多任务之间达到均衡分配的优选模型,并提出一种具有社会认知能力和混沌激励机制的人工蜂群进化算法。该算法继承了人工蜂群算法良好的探索能力,分布估计模型的引入使得观察蜂具有社会认知能力,而受混沌序列激励的侦查蜂能更好的遍历解空间。数值试验显示整体优选策略相较于传统单任务优选策略能更好的对云服务能力进行均衡配置,所提出的算法求得最优解的质量和稳定性较高。(4)在考虑云服务领域特征的�

关 键 词： 智慧云制造 服务组合 领域知识 动态优化 多目标 进化计算

领　　域： [] []