CN106611287A - 云制造中多目标资源无偏好优化配置算法 - Google Patents
云制造中多目标资源无偏好优化配置算法 Download PDFInfo
- Publication number
- CN106611287A CN106611287A CN201610836521.XA CN201610836521A CN106611287A CN 106611287 A CN106611287 A CN 106611287A CN 201610836521 A CN201610836521 A CN 201610836521A CN 106611287 A CN106611287 A CN 106611287A
- Authority
- CN
- China
- Prior art keywords
- function
- manufacturing
- service
- manufacturing recourses
- recourses
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 128
- 230000006870 function Effects 0.000 claims description 100
- 239000000203 mixture Substances 0.000 claims description 26
- 238000005457 optimization Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 6
- 230000008520 organization Effects 0.000 claims description 2
- 238000012797 qualification Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000001131 transforming effect Effects 0.000 abstract 1
- 238000006066 Comins reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
云制造中多目标资源无偏好优化配置算法，将服务提供商作为服务平台的一部分，将参与方转化为服务需求方和服务平台，将整个服务体系划分为串联、选择、循环、并行4种结构，通过研究每种结构下的参数影响，建立单一目标函数，最终建立双方的最终目标函数，然后利用改进的NSGA－Ⅱ算法进行求解。本发明服务参与方减少，服务追责和风险降低了，资源配置更优，提高服务能力；计算更加简单，参与双方都能实现利益最大化。
Description
技术领域
本发明涉及云计算下多目标制造资源优化配置领域。
背景技术
云计算技术的发展改变了全球制造业的发展模式。市场需求多样化、个性化以及产品更新换代的快速化都迫切需要产业结构的调整和转变。云制造是一种基于网络的、面向服务的智能制造新模式，作为云制造的核心问题之一，云制造环境下的制造资源优化配置方法的优劣将直接影响制造服务的质量，关系到服务过程是否能够安全、顺利地进行。
针对制造资源的优化问题，现如今有诸多算法，但是大都只考虑与制造任务相关的时间、质量和成本等因素，并通过加权等方法将其转化为单目标优化问题，没有充分考虑云制造资源服务组合的柔性因素。这不但使制造服务过程充满风险，而且不能反映云制造服务平台运营方的利益。同时，考虑到不同用户的任务需求不同，云制造环境下的制造资源优化问题可以分为有需求偏好和无需求偏好两种，而单一的制造资源优化配置方法不能同时满足用户的这两种需求。
发明内容
针对现有技术的上述不足，本发明提出了一种云制造中多目标资源无偏好优化配置算法。
为解决上述问题，本发明提出了以下技术方案：
将服务提供商作为服务平台的一部分，将参与方转化为服务需求方和服务平台，将整个服务体系划分为串联、选择、循环、并行4种结构，通过研究每种结构下的参数影响，建立单一目标函数，最终建立双方的最终目标函数，然后利用改进的NSGA－Ⅱ算法进行求解。具体的计算步骤如下：
步骤1：制造服务需求方不同结构下的目标函数。
步骤2：云制造服务平台运营方柔性指标目标函数。
步骤3：模型求解。
本发明的有益效果是：
1、服务参与方减少，服务追责和风险降低了，资源配置更优，提高服务能力。
2、计算更加简单，参与双方都能实现利益最大化。
具体实施方式
针对上述问题，本发明提出了一种云制造中多目标资源无偏好优化配置算法，以下将对此方法进行具体阐述。
云制造资源服务组合分别代表了示制造服务需求方和云制造服务平台运营方的利益，云制造环境下制造资源服务组合的决策过程就是制造服务需求方和云制造服务平台运营方在满足双方约束条件的前提下，分别对制造资源服务组合的Qos指标和柔性指标展开非合作竞争，通过双方的相互制约和相互作用，追求各自利益最大化的过程。在本发明方法中，云制造环境下的制造资源服务组合主要包括串联结构、循环结构、选择结构和并行结构四种基本结构，然后针对不同结构的制造服务组合，建立决策模型。
步骤1：制造服务需求方不同结构下的目标函数
Qos指标下，包含三个参数，即时间(T)、成本(C)、质量(Q)，他们是代表了服务需求方的利益所在，时间(T)包括任务执行时间Tfu、物流时间Ttr、任务等待时间Twt，成本(C)包括服务成本Cfu、物流成本Ctr，质量(Q)就用合格率Qse来表示；所以每一种结构下建立三个参数的目标函数。i表示制造服务需求的第i个任务，1≤i≤n。
1.1串联结构制造资源服务组合的Qos指标优化目标函数定义
时间目标函数：
成本目标函数：
质量目标函数：
1.2循环结构制造资源服务组合的Qos指标优化目标函数定义
时间目标函数：
成本目标函数：
质量目标函数：
其中，k表示循环结构制造资源服务组合中的循环次数。
1.3选择结构制造资源服务组合的Qos指标优化目标函数定义
时间目标函数：
成本目标函数：
质量目标函数：
其中，pi表示选择结构中制造资源服务MRS被选中的概率。
1.4并行结构制造资源服务组合的Qos指标优化目标函数定义
时间目标函数：
成本目标函数：
质量目标函数：
1.5制造资源优化配置问题中制造服务需求方的目标函数
由1.1-1.5的三个参数再不同结构下的目标函数，将总体目标函数定义为：
maxy1＝(C，T，Q)T
满足一下约束条件：
Qse(i)≥Qmin
步骤2：云制造服务平台运营方柔性指标目标函数
对于云制造服务平台，制造资源服务组合的柔性指标关系到制造资源服务组合的可靠性与成功率，代表云制造服务平台运营方的利益，在本发明方法中个，它同样包含三个因素：一是应对任务变化的能力FT，它包括制造资源多样性Ffu、制造资源种类Fty、合作企业的数量Fco；二是应对制造资源变化的能力FR，包括合作企业的数量Fc0、制造资源的可靠性Fre、相同功能的制造资源的数量Fsa；三是服务评价FE。同样，在不同结构下的对目标函数分别定义。
2.1串联结构下制造资源服务组的柔性指标函数定义
应对任务变化的能力函数：
应对制造资源变化的能力函数：
服务评价函数：
2.2循环结构下制造资源服务组的柔性指标函数定义
应对任务变化的能力函数：
应对制造资源变化的能力函数：
服务评价函数：
2.3选择结构下制造资源服务组的柔性指标函数定义
应对任务变化的能力函数：
应对制造资源变化的能力函数：
服务评价函数：
2.4并行结构下制造资源服务组的柔性指标函数定义
应对任务变化的能力函数：
应对制造资源变化的能力函数：
服务评价函数：
在2.1-2.4中，ωfu，ωty，ωTc分别表示制造资源功能多样性，制造资源和合作企业数量的权重系数ωfu+ωty+ωTc＝1；ωre，ωsa，ωRc分别为制造资源服务的可靠性、制造资源提供方具有相同功能制造资源服务数量和合作企业数量的权重系数ωre+ωsa+ωRc＝1，pi为选择结构中制造资源服务被选中的概率。
2.5云制造服务平台运营方柔性指标目标函数
根据2.-2.4中所述的四种结构的不同参数表达函数，本发明方法将，制造资源优化配置问题中云制造平台运营方的目标函数表示为：
maxy2＝(FT，FR，FE)T
约束条件为：
Ffu(i)≥Ffumin，i＝1，2，...，n
Fty(i)≥Ftymin，i＝1，2，...，n
Fre(i)≥Fremin，i＝1，2，...，n
Fsa(i)≥Fsamin，i＝1，2，...，n
Fco(i)≥Fcomin，i＝1，2，...，n
FE(i)≥FEmin，i＝1，2，...，n
式中，Ffumin，Ftymin，Fremin，Fsamin，Fcomin，FEmin分别为云制造服务平台运营方所要求的最小功能多样性、最少制造资源种类、最低可靠性、最少资源数量、最少合作企业数量和最低服务评价。模型中的双方以各自的收益函数对制造资源服务组合展开非合作竞争，各自追求自身利益的最大化，使得制造资源服务组合在满足制造服务需求方利益的同时保证制造服务得以顺利进行。
步骤3：模型求解
制造资源优化配置的决策模型中决策主体的策略集由不同的制造资源服务组合组成，各决策主体以各自的收益函数对制造资源服务组合展开非合作竞争，各自追求自身利益的最大化；本文提出的制造资源优化配置决策模型中双方的收益函数均为MOP，因此双方Nash均衡策略的求解十分复杂。为此，对NSGA－Ⅱ算法做出改进。采用改进NSGA－Ⅱ算法求解云制造环境下双方Nash均衡策略。
求解步骤如下：
步骤一：将NSGA－Ⅱ算法的搜索空间限定在双方的约束条件下，对策略集X中的制造资源服务组合按照时序进行十进制编码，形成与各主体的策略xi相对应的个体。
步骤二：随机产生数量为N的初始种群Pg(取g＝0)，分别以双方的约束条件作为适应度函数，对种群Pg进行快速非支配排序并分层计算每个个体的拥挤度。
步骤三：将种群Pg中的每个个体在不同适应度函数下的非支配等级序值和拥挤度分别相加，得到Nash均衡等级序值和拥挤距离。
步骤四：通过二元锦标赛从种群Pg中选择个体进行交叉和变异操作，生成数量为N的子代种群Qg。
步骤五：合并种群Pg和Qg，得到数量为2N的组合种群Rg。
步骤六：分别将双方的约束条件作为适应度函数，对种群Rg进行快速非支配排序，并计算每个个体的拥挤度。
步骤七：将种群Rg中的每个个体在不同适应度函数下的非支配等级序值和拥挤度分别相加，得到Nash均衡等级序值和拥挤距离，根据式Nash算法精英保留策略在种群Rg中选出表现最优的N个个体组成新的种群Pg+1，令g＝g+1。
步骤八：重复执行步骤4～步骤7，直至满足最大遗传代数的终止条件，则种群中Nash均衡等级序值为2的个体即为双方Nash均衡策略的解。
Claims (3)
1.云制造中多目标资源无偏好优化配置算法，本发明涉及云计算下多目标制造资源优化配置领域，其特征是，包括如下步骤：
步骤1：制造服务需求方不同结构下的目标函数
步骤2：云制造服务平台运营方柔性指标目标函数
步骤3：模型求解。
2.根据权利要求1中所述的云制造中多目标资源无偏好优化配置算法，其特征是，以上所述步骤1中的具体计算过程如下：
步骤1：制造服务需求方不同结构下的目标函数
Qos指标下，包含三个参数，即时间(T)、成本(C)、质量(Q)，他们是代表了服务需求方的利益所在，时间(T)包括任务执行时间物流时间任务等待时间成本(C)包括服务成本物流成本质量(Q)就用合格率来表示；所以每一种结构下建立三个参数的目标函数，i表示制造服务需求的第i个任务，
1.1 串联结构制造资源服务组合的Qos指标优化目标函数定义
时间目标函数：
成本目标函数：
质量目标函数：
1.2 循环结构制造资源服务组合的Qos指标优化目标函数定义
时间目标函数：
成本目标函数：
质量目标函数：
其中，ｋ表示循环结构制造资源服务组合中的循环次数
1.3 选择结构制造资源服务组合的Qos指标优化目标函数定义
时间目标函数：
成本目标函数：
质量目标函数：
其中，表示选择结构中制造资源服务MRS被选中的概率
1.4 并行结构制造资源服务组合的Qos指标优化目标函数定义
时间目标函数：
成本目标函数：
质量目标函数：
1.5 制造资源优化配置问题中制造服务需求方的目标函数
由1.1-1.5的三个参数再不同结构下的目标函数，将总体目标函数定义为：
满足一下约束条件：
。
3.根据权利要求1中所述的云制造中多目标资源无偏好优化配置算法，其特征是，以上所述步骤2中的具体计算过程如下：
步骤2：云制造服务平台运营方柔性指标目标函数
对于云制造服务平台，制造资源服务组合的柔性指标关系到制造资源服务组合的可靠性与成功率，代表云制造服务平台运营方的利益，在本发明方法中个，它同样包含三个因素：一是应对任务变化的能力它包括制造资源多样性制造资源种类合作企业的数量二是应对制造资源变化的能力包括合作企业的数量制造资源的可靠性相同功能的制造资源的数量三是服务评价，同样，在不同结构下的对目标函数分别定义
2.1 串联结构下制造资源服务组的柔性指标函数定义
应对任务变化的能力函数：
应对制造资源变化的能力函数：
服务评价函数：
2.2 循环结构下制造资源服务组的柔性指标函数定义
应对任务变化的能力函数：
应对制造资源变化的能力函数：
服务评价函数：
2.3 选择结构下制造资源服务组的柔性指标函数定义
应对任务变化的能力函数：
应对制造资源变化的能力函数：
服务评价函数：
2.4 并行结构下制造资源服务组的柔性指标函数定义
应对任务变化的能力函数：
应对制造资源变化的能力函数：
服务评价函数：
在2.1-2.4中，分别表示制造资源功能多样性，制造资源和合作企业数量的权重系数分别为制造资源服务的可靠性、制造资源提供方具有相同功能制造资源服务数量和合作企业数量的权重系数为选择结构中制造资源服务被选中的概率
2.5云制造服务平台运营方柔性指标目标函数
根据2.-2.4中所述的四种结构的不同参数表达函数，本发明方法将，制造资源优化配置问题中云制造平台运营方的目标函数表示为：
约束条件为：
式中，分别为云制造服务平台运营方所要求的最小功能多样性、最少制造资源种类、最低可靠性、最少资源数量、最少合作企业数量和最低服务评价，模型中的双方以各自的收益函数对制造资源服务组合展开非合作竞争，各自追求自身利益的最大化，使得制造资源服务组合在满足制造服务需求方利益的同时保证制造服务得以顺利进行。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610688984 | 2016-08-18 | ||
| CN2016106889846 | 2016-08-18 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106611287A true CN106611287A (zh) | 2017-05-03 |
Family
ID=58614971
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610836521.XA Pending CN106611287A (zh) | 2016-08-18 | 2016-09-21 | 云制造中多目标资源无偏好优化配置算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106611287A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107679750A (zh) * | 2017-09-30 | 2018-02-09 | 桂林电子科技大学 | 一种基于自适应系数遗传算法的云制造服务资源匹配方法 |
| CN115293056A (zh) * | 2022-10-10 | 2022-11-04 | 中国汽车技术研究中心有限公司 | 一种面向Modelica模型的多目标优化算法 |
| CN116307296A (zh) * | 2023-05-22 | 2023-06-23 | 南京航空航天大学 | 云上资源优化配置方法 |
-
2016
- 2016-09-21 CN CN201610836521.XA patent/CN106611287A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107679750A (zh) * | 2017-09-30 | 2018-02-09 | 桂林电子科技大学 | 一种基于自适应系数遗传算法的云制造服务资源匹配方法 |
| CN107679750B (zh) * | 2017-09-30 | 2020-10-02 | 桂林电子科技大学 | 一种基于自适应系数遗传算法的云制造服务资源匹配方法 |
| CN115293056A (zh) * | 2022-10-10 | 2022-11-04 | 中国汽车技术研究中心有限公司 | 一种面向Modelica模型的多目标优化算法 |
| CN115293056B (zh) * | 2022-10-10 | 2023-01-10 | 中国汽车技术研究中心有限公司 | 一种面向Modelica模型的多目标优化方法 |
| CN116307296A (zh) * | 2023-05-22 | 2023-06-23 | 南京航空航天大学 | 云上资源优化配置方法 |
| CN116307296B (zh) * | 2023-05-22 | 2023-09-29 | 南京航空航天大学 | 云上资源优化配置方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Afshar et al. | Optimizing multi-reservoir operation rules: an improved HBMO approach | |
| CN110276698B (zh) | 基于多智能体双层协同强化学习的分布式可再生能源交易决策方法 | |
| CN105656973B (zh) | 一种分布式节点组内任务调度方法及系统 | |
| CN104572297B (zh) | 一种基于遗传算法的Hadoop作业调度方法 | |
| CN110033076B (zh) | 混合云环境下面向代价优化的工作流数据布局方法 | |
| CN101777990A (zh) | 多目标免疫优化组播路由路径选择方法 | |
| CN109840154A (zh) | 一种移动云环境下基于任务依赖的计算迁移方法 | |
| CN107862404B (zh) | 基于服务相关性的制造服务供应链优化方法 | |
| CN106611287A (zh) | 云制造中多目标资源无偏好优化配置算法 | |
| CN112685138A (zh) | 云环境下基于多种群混合智能优化的多工作流调度方法 | |
| CN113393125A (zh) | 基于源荷双侧互动博弈的综合能源系统协同调度方法 | |
| CN109121105A (zh) | 基于马尔可夫博弈的运营商竞争切片强化学习方法 | |
| CN116107692A (zh) | 动态融合遗传算法的边缘容器多目标蚁群优化调度方法 | |
| CN109840625B (zh) | 一种快递员群路径导航的方法 | |
| Ananth et al. | Cooperative game theoretic approach for job scheduling in cloud computing | |
| CN110737984B (zh) | 云制造环境下的机械产品服务优选方法 | |
| Babayigit et al. | A two-tier matrix game approach for obtaining joint bidding strategies in FTR and energy markets | |
| Cagnina et al. | A bi-population PSO with a shake-mechanism for solving constrained numerical optimization | |
| CN107786469A (zh) | 一种基于前向任务估计的物联网响应式带宽调节方法 | |
| Sooktip et al. | System reliability optimization with k-out-of-n subsystems and changing k | |
| Sooktip et al. | Multi-objective optimization for k-out-of-n redundancy allocation problem | |
| Kucukkoc et al. | A new hybrid genetic algorithm to solve more realistic mixed-model assembly line balancing problem | |
| Huang et al. | A new SSO-based algorithm for the bi-objective time-constrained task scheduling problem in cloud computing services | |
| CN115545329A (zh) | 一种适用于服装制造产线的一体化动态排程方法 | |
| CN109347913A (zh) | 一种基于智能遗传算法的web服务协同调度方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170503 |
|
| WD01 | Invention patent application deemed withdrawn after publication |