制造云服务组合中支持服务关联的QoS感知评估模型.docx

在制造领域，随着技术的快速发展和客户需求的多样化，传统的制造模式已经无法满足现代生产的需求。为了解决资源瓶颈和资源闲置的问题，李伯虎院士提出了“云制造”理念，这是一种利用云计算技术整合制造资源和能力的新模式。云制造平台作为连接用户和服务提供商的桥梁，改变了制造资源的流通方式。然而，面对大规模的制造任务，单个服务无法单独完成，这就催生了制造云服务组合的需求。 服务质量（QoS）是衡量制造云服务组合质量的重要标准，包括响应时间、可靠性、成本等多个非功能属性。在满足功能需求的前提下，如何从众多功能类似但QoS各异的制造云服务中选择最优组合是一项挑战。为解决这一问题，研究人员通常构建QoS评估模型，并结合优化算法，如群体智能算法，寻找最佳服务组合。例如，陈友玲等人提出了一种双侧约束的QoS计算模型，采用改进的多目标遗传算法求解；Lu等人则利用分布式知识评估和推荐制造云服务；Afshin等人通过Agent和粒子群算法优化服务选择，提高资源利用和响应速度。 尽管上述研究有所进展，但它们大多忽视了服务之间的关联关系。在实际制造流程中，服务之间可能存在接口关联、业务实体关联和统计关联等多种关联形式。这些关联对QoS的影响不容忽视。Tao等人关注了商业实体关联，Lina研究了服务冗余去除，Xu和田思思等人建立了关联关系的云制造服务聚合模型，Liu等人则提出了包含三种关联的综合QoS模型，结合案例库的并行最大最小蚂蚁系统算法求解。 本文针对服务关联的QoS感知问题，进一步研究了业务实体关联和统计关联。在业务实体关联中，引入了服务提供商的合作时长，以评估合作关系的质量。而在统计关联方面，通过分析服务组合的历史记录，利用“分时有效”思想预测当前的QoS，并结合KULC和IR这两个关联规则的相关性度量参数，动态调整统计关联的QoS变化量，以保持评估的时效性。文章构建了一个多目标优化模型，采用了包含关联分析的非支配排序遗传算法第二代（NSGAII），以寻找制造云环境下的优质服务组合解集。 总结来说，本文的主要贡献在于：1) 提出了考虑业务实体关联和统计关联的服务描述模型和计算方法，增强了QoS评估的准确性；2) 设计了支持服务关联的QoS感知评估模型，利用NSGAII算法寻求多目标优化的解决方案，提高了服务组合选择的合理性。这些研究为制造云服务组合的优化选择提供了新的理论依据和技术手段，有助于提升制造云服务的效率和质量。