[发明专利]一种云制造环境下柔性多任务前摄性调度优化方法

摘要

本发明公开了一种云制造环境下柔性多任务前摄性调度优化方法，云制造环境下柔性多任务前摄性调度优化方法面向服务供应方和服务使用方，用于优化服务供应方和服务使用方之间的任务调度，云制造环境下柔性多任务前摄性调度优化方法包括：建立基于时间、成本和可靠性的适应度函数；根据所述适应度函数，建立基于适应度、鲁棒性和稳定性的多任务前摄性调度目标函数；采用GA算法求解所述多任务前摄性调度目标函数。本发明考虑服务中断问题，结合多目标进行优化，在保证种群多样性的同时避免目标函数优化过程中过早收敛，从而获得更加强健且稳定的调度方案。

主权项

1.一种云制造环境下柔性多任务前摄性调度优化方法，所述云制造环境下柔性多任务前摄性调度优化方法面向服务供应方和服务使用方，用于优化服务供应方和服务使用方之间的任务调度，其特征在于，所述云制造环境下柔性多任务前摄性调度优化方法包括：步骤1、建立基于时间、成本和可靠性的适应度函数；步骤2、根据所述适应度函数，建立基于适应度、鲁棒性和稳定性的多任务前摄性调度目标函数；步骤3、采用GA算法求解所述多任务前摄性调度目标函数，包括：第一阶段：步骤3.1、初始化获得种群，该种群包含多个个体，每个个体即一个前摄性调度方案，采用矩阵编码方式表示各个体；步骤3.2、计算自适应交叉概率和自适应变异概率，利用所述适应度函数得到每一个体对应的适应度，根据个体的适应度采用轮盘赌方法从种群中选择父母个体，父母个体依据自适应交叉概率进行交叉操作或依据自适应变异概率进行变异操作，得到子个体保存至当前的种群；步骤3.3、每隔预设的迭代次数，以步骤3.2更新后的种群中适应度最优的个体为出发点进行禁忌搜索算法操作得到子个体，并基于精英策略更新种群；步骤3.4、对步骤3.3更新后的种群进行模拟退火算法操作，保留种群中的部分个体作为新的种群；步骤3.5、判断是否达到预设的第一阶段迭代次数，若达到预设的第一阶段迭代次数，则保留步骤3.4更新后的种群作为第二阶段初始的种群，并进入第二阶段；否则返回步骤3.2继续迭代；第二阶段：步骤3.6、随机选取一个或多个服务供应方模拟服务中断；步骤3.7、计算自适应交叉概率和自适应变异概率，利用所述多任务前摄性调度目标函数得到每一个体对应的目标函数，根据个体的目标函数采用轮盘赌方法从种群中选择父母个体，父母个体依据自适应交叉概率进行交叉操作或依据自适应变异概率进行变异操作，得到子个体保存至当前的种群；步骤3.8、每隔预设的迭代次数，以步骤3.7更新后的种群中目标函数的值最优的个体为出发点进行禁忌搜索算法操作得到子个体，并基于精英策略更新当前的种群；步骤3.9、获取步骤3.8更新后的种群中因服务中断而不可行的个体，采用mAOR方法或TR方法对不可行的个体进行重调度操作，并利用所述多任务前摄性调度目标函数计算重调度操作后修复的个体的目标函数；步骤3.10、对步骤3.9更新后的种群进行模拟退火算法操作，保留种群中的部分个体作为新的种群；步骤3.11、判断是否达到预设的第二阶段迭代次数，若达到预设的第二阶段迭代次数，则输出迭代过程中产生的最优个体，即最佳的前摄性调度方案；否则将返回步骤3.7继续迭代。