科研之友
微信
新浪微博
Facebook
分享链接
摘要
以往云制造服务组合(Cloud manufacturing service composition, CMSC)优化是在制造服务少异常或约束的条件下进行的，这使得现有模型及方法无法适用于多种实际约束下的云制造服务组合优化，更无法在其执行过程出现服务异常时，对CMSC原执行路径进行自适应重构调整。为此，考虑云制造服务组合执行过程中不可忽视的原始CMSC执行路径强制时间约束、制造服务占用时间约束和制造服务强耦合约束，以CMSC的加工质量、成本、服务质量为优化目标，提出一种制造云服务出现异常时实际约束下的服务组合自适应重构调整模型(Cloudmanufacturingservicecompositionadaptivereconfiguration,CMSCAR)。为求解该模型，在详细分析所求问题的本质特征的基础上，集成多种优化策略，提出一种基于哈里斯鹰优化算法的服务组合动态重构算法(Service composition dynamic reconfiguration harris hawks optimization, SCDRHHO)。数值算例和应用案例表明，相比粒子群算法(Particle swarm optimization, PSO)、灰狼优化算法(Grey wolf optimizer, GWO)和蝠鲼觅食优化算法(Manta ray foraging optimization, MRFO)等对比算法，所提出的SCDRHHO能够在制造云服务异常出现时在多约束下对正在执行的服务组合进行高效地自适应重构调整，提高了云制造服务组合执行的鲁棒性。
- 单位
