云制造环境下基于蚁群算法资源动态调度优化.docVIP

云制造环境下基于蚁群算法资源动态调度优化 　　摘 要：动态资源调度是云制造中的一个关键问题。通过对资源动态在云制造环境下服务特点的了解，提出了基于蚁群算法的资源动态调度函数，以云服务提供者找到相对应的云服务使用者进行任务封装的时间最短为目标。通过Matlab优化了原有的资源动态服务模型，达到了预期的效果，对以后云制造下资源动态的调度具有指导意义。 　　关键词：云制造；蚁群算法；资源动态调度函数；Matlab 　　中图分类号：F253.9 文献标识码：A 　　Abstract： Dynamic resource scheduling is a key problem in cloud manufacturing. Based on resources dynamic characteristics under the environment of cloud manufacturing service，proposed based on ant colony algorithm resources dynamic scheduling function，aiming at the cloud service providers to find the corresponding task encapsulates the cloud service users the shortest time. The original resource dynamic service model was optimized by Matlab， reach the expected effect， under the cloud after manufacturing resources dynamic scheduling has a guiding significance. 　　Key words： cloud manufacturing； ant colony algorithm； resource dynamic scheduling function； Matlab 　　0 引 言 　　随着现在科技的飞速发展，制造业开始逐步与新兴云计算、物联网等技术交叉融合，产生一种面向服务的制造新模式――云制造，它一改制造长期以来面向设备、面向资源、面向订单、面向生产等的形态，从而转而真正面向服务、面向需求。在云制造中，一切能封装和虚拟化的都作为制造云服务（包括制造资源作为服务、制造能力作为服务、制造知识作为服务等）这种大转变是作为实现生产型企业向服务型企业转变、实现制造即服务（Manufacturing-as-a-Service， MFGaaS）的基础。在云制造中，通过物联网、虚拟化等技术实现资源的封装、发布、搜索、调度、执行、检测等功能，满足云服务提供者（Cloud Sevice Provide， CSP）和云服务使用者（Cloud Service User， CSU）之间的资源对接。本文重点讨论资源从CSP动态调度到CSU的这个过程，争取云制造资源的利用率达到最优是我们的目标。 　　目前各学者对云制造进行了相关研究，李伯虎院士为求解更加复杂的制造问题展开大规模协同制造，提出了一种面向服务的网络化制造新模式――云制造。陶飞、张霖等人设计了制造云服务管理原型系统功能结构， 对基于云制造全生命周期运行的云服务组合需求进行了阐述。对云服务组合建模/描述和一致性检查、云服务关联关系、云服务组合柔性、组合网络及其动力学特性、云服务组合建模与评估、组合优选等实现云服务组合的关键问题进行了研究， 为未来实现高效智能化的云制造服务管理提供理论支持[1]；张勇凯、李芳等人用ROV编码对蝙蝠算法进行了重新编码和解码，并且对其进行了混沌序列初始化和自适应变步长的运算步长改进，提高了原蝙蝠算法的收敛速度和最优解的精度[2]，倪志伟、王会颖等人基于云计算技术和云服务技术研究了云服务的动态选择问题，给出了云制造服务层次化模型，提出了一种基于MapReduce和多目标蚁群算法的制造云服务动态选择算法（CSSMA）[3]；武超然、江海涛通过改进蝙蝠算法，实现了供需调度时间的最优[4]；唐海波、黄琼琼等提出了基于负载资源的均衡的动态调度策略，建立了以完成任务的总服务成本为最优化目标的模型，并实际验证了可行性[5]。以上对于云制造资源调度的研究还有很大的发展空间，本文将以云制造资源的利用率为目标进行研究讨论。 　　1 云制造资源调度过程的描述 　　云制造资源的调度其实是实现云服务提供者CSP到云服务使用者CSU对接的过程。云服务提供者CSP包括原材料供应商、加工生产商、物流配送商等，他们各自将自身可以提供的资源登记在云服务的平台，等待云制造资源的