CN107515938B - 一种云制造环境下的供需智能匹配方法 - Google Patents
一种云制造环境下的供需智能匹配方法 Download PDFInfo
- Publication number
- CN107515938B CN107515938B CN201710763293.2A CN201710763293A CN107515938B CN 107515938 B CN107515938 B CN 107515938B CN 201710763293 A CN201710763293 A CN 201710763293A CN 107515938 B CN107515938 B CN 107515938B
- Authority
- CN
- China
- Prior art keywords
- service
- matching
- information
- evaluation
- resources
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0605—Supply or demand aggregation
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0607—Regulated
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
Abstract
本发明公开了一种云制造环境下的供需智能匹配方法,云制造服务资源包括服务需求和服务资源,方法步骤如下,步骤1初选,根据基本信息,利用关键字匹配规则进行需求与资源的匹配,获得基于资源基本信息的初选集;步骤2预选,根据功能信息,建立蕴含关系推理规则进行匹配,获得基于资源功能信息的预选集;步骤3优选,根据评价信息,利用模糊综合评判法进行匹配,从而获得最优的服务资源。与现有技术相比较,本发明通过云制造服务资源的基本信息、功能信息、评价信息等公共属性,建立基于基本信息的初选、功能信息的预选、评价信息优选的匹配方法,从而服务需求方能够快速、准确的从云制造平台的海量服务制造资源中匹配最优资源。
Description
技术领域
本发明涉及一种物联网云服务领域,尤其涉及一种云制造环境下的供需智能匹配方法。
背景技术
近年来,随着云计算、物联网、面向服务的网络化信息等技术的发展,制造业出现了一种新的网络化制造模式-云制造。它利用网络和云制造服务平台,将分散在全国各地的制造资源和制造能力虚拟化构成云制造资源池,然后根据用户的需求分配云制造资源池中的资源,实现制造资源的共享,促进制造业发展。由于云制造环境下,蕴含的海量资源种类繁多,形式各样,如何快速、准确的将服务需求方与服务提供方进行智能匹配是目前亟需解决的问题,然而传统的关键字匹配已经不能满足云制造的供需智能匹配,这就需要一种新的匹配方法。
发明内容
本发明的目的就在于提供一种解决了上述问题,在云制造环境下快速、准确的将服务需求方与服务提供方进行智能匹配的供需智能匹配方法。
为了实现上述目的,本发明采用的技术方案是:一种云制造环境下的供需智能匹配方法,云制造服务资源包括服务需求和服务资源,方法步骤如下,
步骤1.初选,在服务资源信息库中,根据服务需求和服务资源的基本信息,利用关键字匹配规则进行需求与资源的匹配,获得基于资源基本信息的初选集;
步骤2.预选,在初选集中,根据服务需求和服务资源的功能信息,建立蕴含关系推理规则进行匹配,获得基于资源功能信息的预选集;
步骤3.优选,在预选集中,根据服务需求和服务资源的评价信息,利用模糊综合评判法进行匹配,从而获得最优的服务资源。
作为优选,所述步骤1的云制造服务资源的基本信息主要指资源名称,以此建立关键字匹配规则,并利用关键字进行匹配。
作为优选,所述的关键字匹配规则如下,当服务提供方不能满足服务需求方要求时,匹配失败即为Fail匹配,匹配度为0,EMatch(ET,ER)=0;
当服务提供方能够满足服务需求方要求时,匹配成功即为Full匹配,匹配度为1,EMatch(ET,ER)=1;
其中,EMatch(ET,ER)表示基本信息的匹配度,ET表示服务需求方需要资源的基本信息,ER表示服务提供方提供资源的基本信息。
作为优选,所述步骤2的云制造服务资源的功能信息主要指数值型约束条件,数值型约束条件指“加工费用<500”、“尺寸精度<0.1”和“平行度<0.2”等性能指标和综合指标;则基于功能信息的预选包括以下步骤,
a.建立蕴含关系推理规则;
b.利用建立的蕴含关系推理规则进行单个数值型约束条件匹配;
c.利用单个数值型约束条件匹配度计算多个数值型约束条件的综合匹配度。
所述的蕴含关系推理规则可如下定义,设服务需求和服务资源中功能信息的数值型约束条件进行数值匹配。
数值型约束条件分别为A=Ra(xa,ya)、B=Rb(xb,yb),以数值型约束条件“加工费用<500”为例:“xa”=“加工费用”,“ya=“500”,“Ra”=“<”。可定义蕴含关系推理规则如下表。
蕴含关系推理规则表
作为优选,所述的多个数值型约束条件综合匹配度计算公式如下:
Match(T,R)=EMatch(ET,ER)*(FMatch(FTn,FRn)+QosMatch(QT,QR))
其中EMatch(T,R)表示供需智能匹配的最终匹配度,FTn表示服务需求方需要资源的功能信息,FTn表示服务提供方提供资源的功能信息。
作为优选,所述的步骤3的云制造服务资源的评价信息主要指资源描述相符、资源质量、资源性价比、物流服务、服务态度等,其中每个方面都可用{很好,好,一般,差,很差}5个程度进行评价,基于评价信息的优选包括以下步骤:
a.利用公式u=w1u1+w2u2+...+wnun对需求方提交的服务资源需求中的评价信息进行评价,得到综合分数C,其中,u表示需求方提交的服务资源需求中评价信息的综合分数,wn表示每个评价信息的权重,un表示每个评价信息的分数;
b.利用模糊综合评判法对服务提供方提供资源的评价信息进行评价,得到综合分数D;
c.利用公式QosMatch{QT,QR}=D/C计算评价信息的匹配度,其中,QosMatch{QT,QR}表示评价信息的匹配度,QT表示服务需求方需要资源的评价信息、QR表示服务提供方提供资源的评价信息。
作为优选,所述的模糊综合评判法包括以下步骤:
a.确定评定因素集F和评定/语级E。
因素集F即评价项目或指标的集合,一般有E={fi},j=1,2,...,n,评定集或评语集E即评价等级的集合,一般有E={ej},j=1,2,...,m;
b.统计、确定单因素评价隶属度向量,并形成隶属度矩阵R,
隶属度是模糊综合评判法最重要和最基本的概念,隶属度rij是指多个评价主体对某一评价对象在fi方面作出的ej方面评定的可能性程度,隶属度向量Ri=(ri1,ri2,...,rim),i=1,2,...,n,其中
隶属度矩阵为R=(R1,R2,…,Rn)T=(rij)R=(R1,R2,...,Rn)T=(rij);
c.确定权重向量WF,
WF为评价项目或指标的权重或权系数向量。另外,还可有评定集的数值化结果W′E或权重WE(为W′E归一化结果)。若有考评集T={第一次考评,等二次考评,…,第r次考评},则需要对不同考评次数的权重向量WT=(Wt1,Wt2,...,Wtr);
d.采用运算法则,计算综合隶属度向量S和综合分数D,其中
S=WFR,D=W′EST。
作为优选,所述的供需智能匹配的最终匹配度的计算公式如下,
Match(T,R)=EMatch(ET,ER)*(FMatch(FTn,FRn)+QosMatch(QT,QR))
其中Match(T,R)表示供需智能匹配的最终匹配度,T表示服务需求方需要资源的基本信息、功能信息、评价信息,R表示服务提供方提供资源的基本信息、功能信息、评价信息。
与现有技术相比,本发明的优点在于:通过考虑云制造服务资源的基本信息、功能信息、评价信息等公共属性,建立基于基本信息的初选、功能信息的预选、评价信息优选的匹配方法,从而服务需求方能够快速、准确的从云制造平台的海量服务制造资源中匹配最优资源,相比传统的关键字搜索更高效、准确.
附图说明
图1为本发明的流程示意图。
具体实施方式
下面将对本发明作进一步说明。
实施例1:一种云制造环境下的供需智能匹配方法,参见图1,云制造服务资源包括服务需求和服务资源,方法步骤如下,
步骤1.初选。根据服务需求和服务资源的基本信息,利用关键字匹配规则进行匹配,获得基于资源基本信息的初选集。云制造服务资源的基本信息主要指资源名称,比如“五轴加工中心”。则基于基本信息的初选包括以下子步骤:
(1)建立关键字匹配规则。
当服务提供方不能满足服务需求方要求时,匹配失败即为Fail匹配,匹配度为0。
EMatch(ET,ER)=0
当服务提供方能够满足服务需求方要求时,匹配成功即为Full匹配,匹配度为1。
EMatch(ET,ER)=1
其中,EMatch(ET,ER)表示基本信息的匹配度,ET表示服务需求方需要资源的基本信息,ER表示服务提供方提供资源的基本信息。
(2)利用关键字进行匹配。假设服务需求方A需要资源的基本信息为“五轴加工中心”,有2家服务提供方A、B提供资源的基本信息分别为“五轴加工中心”和“立式钻床”,则服务提供方A的匹配度为1,服务提供方B的匹配度为1。
步骤2.预选。在初选集中,根据服务需求和服务资源的功能信息,建立蕴含关系推理规则进行匹配,获得基于资源功能信息的预选集。云制造服务资源的功能信息主要指数值型约束条件。数值型约束条件指“加工费用<500”、“尺寸精度<0.1”和“平行度<0.2”等。则基于功能信息的预选包括以下子步骤:
(1)建立蕴含关系推理规则。蕴含关系推理规则可如下定义:
设服务需求和服务资源中功能信息的数值型约束条件分别为A=Ra(xa,ya)、B=Rb(xb,yb),以数值型约束条件“加工费用<500”为例:“xa”=“加工费用”,“ya=“500”,“Ra”=“<”。可定义蕴含关系推理规则如下表。
蕴含关系推理规则表
(2)利用建立的蕴含关系推理规则进行单个数值型约束条件匹配。例如:服务需求方A的约束条件为“尺寸精度<0.01”,服务提供方B的约束条件为“尺寸精度<0.02”,通过蕴含关系推理规则表查得属于B数值蕴含匹配A的情况,则A与B的匹配程度值为0.5,即FMatch(FTn,FRn)=0.5。
(3)利用单个数值型约束条件匹配度计算多个数值型约束条件的综合匹配度。多个数值型约束条件综合匹配度计算公式如下:
FMatch(FTn,FRn)=FMatch(FT1,FR1)+FMatch(FT2,FR2)+…+FMatch(FTn,FRn)
其中FMatch(FTn,FRn)表示功能信息的匹配度,FTn表示服务需求方需要资源的功能信息,FTn表示服务提供方提供资源的功能信息。
步骤3.优选,在预选集中,根据服务需求和服务资源的评价信息,利用模糊综合评判法进行匹配,从而获得最优的服务资源。云制造服务资源的评价信息主要指资源描述相符、资源质量、资源性价比、物流服务、服务态度,其中每个方面都用{很好,好,一般,差,很差}5个程度进行评价。则基于评价信息的优选包括以下子步骤:
(1)利用公式u=w1u1+w2u2+...+wnun对需求方提交的服务资源需求中的评价信息进行评价,得到综合分数C。其中,u表示需求方提交的服务资源需求中评价信息的综合分数,wn表示每个评价信息的权重,un表示每个评价信息的分数。假设服务需求方A在资源描述相符、资源质量、资源性价比、物流服务、服务态度给出的评价为{好,好,好,好,好},给的权重为{0.2,0.25,0.2,0.15,0.2},u=4.00,即综合分数C=4.00。
(2)利用模糊综合评判法对服务提供方提供资源的评价信息进行评价,得到综合分数D。
本实例中假设服务提供方A,经过一段时间的业务交易后,共有40名服务需求方对其进行评价,评价的结果如下表所示。利用模糊综合评判法对服务提供方进行评价的求解过程具体如下:
服务提供方的评价结果表
①确定评定因素集F和评定等级E。由表可得:
F={服务的时间,服务的成本,服务的质量,服务的信誉度,服务的可靠度};E={很好,好,一般,差,很差}。
②统计、确定单因素评价隶属度向量,并形成隶属度矩阵R。
③确定权重向量WF和评定集的数值化结果。由表可得:
WF=(0.2,0.25,0.2,,0.15,0.2),这里假设WE'=(5,4,3,2,1)。
④利用公式S=WFR和D=WE′ST计算综合隶属度向量S及综合分数D。
则S=(0.181,0.13,0.542,0.13,0.017),D=3.228,即综合分数D=3.228。
(3)利用公式QosMatch(QT,QR)=D/C计算评价信息的匹配度。其中,QosMatch(QT,QR)表示评价信息的匹配度,QT表示服务需求方需要资源的评价信息,QR表示服务提供方提供资源的评价信息。
所述的供需智能匹配的最终匹配度的计算公式如下:
Match(T,R)=EMatch(ET,ER)*(FMatch(FTn,FRn)+QosMatch(QT,QR))
其中,Match(T,R)表示供需智能匹配的最终匹配度,T表示服务需求方需要资源的基本信息、功能信息、评价信息,R表示服务提供方提供资源的基本信息、功能信息、评价信息。
假定云制造服务平台中现有一家服务需求方的服务需求和五家服务提供方的服务资源的具体信息如下表,评价信息是处理后的综合分数。
服务需求和服务资源信息表
所有的服务提供方最终匹配度值的结果如下表。由表可知,服务提供方B的匹配度值最高,最能满足服务需求方A。
最终匹配度值表
发明所提供的一种云制造环境下的供需智能匹配方法进行了详尽介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,对本发明的变更和改进将是可能的,而不会超出附加权利要求所规定的构思和范围,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种云制造环境下的供需智能匹配方法,云制造服务资源包括服务需求和服务资源,其特征在于:方法步骤如下,
步骤1.初选,在服务资源信息库中,根据服务需求和服务资源的基本信息,利用关键字匹配规则进行需求与资源的匹配,获得基于资源基本信息的初选集;
步骤2.预选,在初选集中,根据服务需求和服务资源的功能信息,建立蕴含关系推理规则进行匹配,获得基于资源功能信息的预选集;
步骤3.优选,在预选集中,根据服务需求和服务资源的评价信息,利用模糊综合评判法进行匹配,从而获得最优的服务资源;
所述的步骤3的云制造服务资源的评价信息主要指资源描述相符、资源质量、资源性价比、物流服务、服务态度,基于评价信息的优选包括以下步骤:
a.利用公式u=w1u1+w2u2+...+wnun对需求方提交的服务资源需求中的评价信息进行评价,得到综合分数C,其中,u表示需求方提交的服务资源需求中评价信息的综合分数,wn表示每个评价信息的权重,un表示每个评价信息的分数;
b.利用模糊综合评判法对服务提供方提供资源的评价信息进行评价,得到综合分数D;
c.利用公式QosMatch(QT,QR)=D/C计算评价信息的匹配度,其中,QosMatch(QT,QR)表示评价信息的匹配度,QT表示服务需求方需要资源的评价信息、QR表示服务提供方提供资源的评价信息;
所述的模糊综合评判法包括以下步骤:
a.确定评定因素集F和评定/语级E,因素集F即评价项目或指标的集合,评定/语级E即评价等级的集合;
b.统计、确定单因素评价隶属度向量,并形成隶属度矩阵R;
c.确定权重向量WF,WF为评价项目或指标的权重或权系数向量,另外,还可有评定集的数值化结果W′E或权重WE,若有考评集T={第一次考评,等二次考评,…,第r次考评},则需要对不同考评次数的权重向量WT=(Wt1,Wt2,...,Wtr)
d.采用运算法则,计算综合隶属度向量S和综合分数D。
2.根据权利要求1所述的一种云制造环境下的供需智能匹配方法,其特征在于:所述步骤1的云制造服务资源的基本信息主要指资源名称,以此建立关键字匹配规则,并利用关键字进行匹配。
3.根据权利要求2所述一种云制造环境下的供需智能匹配方法,其特征在于:所述的关键字匹配规则如下,当服务提供方不能满足服务需求方要求时,匹配失败即为Fail匹配,匹配度为0;当服务提供方能够满足服务需求方要求时,匹配成功即为Full匹配,匹配度为1。
4.根据权利要求1所述一种云制造环境下的供需智能匹配方法,其特征在于:所述步骤2的云制造服务资源的功能信息主要指数值型约束条件,则基于功能信息的预选包括以下步骤,
a.建立蕴含关系推理规则;
b.利用建立的蕴含关系推理规则进行单个数值型约束条件匹配;
c.利用单个数值型约束条件匹配度计算多个数值型约束条件的综合匹配度。
5.根据权利要求4所述一种云制造环境下的供需智能匹配方法,其特征在于:所述的蕴含关系推理规则通过云制造服务资源中功能信息的数值型约束条件进行数值匹配类推。
6.根据权利要求4所述一种云制造环境下的供需智能匹配方法,其特征在于,所述的多个数值型约束条件综合匹配度计算公式如下:
FMatch(FTn,FRn)=FMatch(FT1,FR1)+FMatch(FT2,FR2)+…+FMatch(FTn,FRn)
其中FMatch(FTn,FRn)表示功能信息的匹配度,FTn表示服务需求方需要资源的功能信息,FTn表示服务提供方提供资源的功能信息。
7.根据权利要求1所述一种云制造环境下的供需智能匹配方法,其特征在于:所述的供需智能匹配的最终匹配度的计算公式如下,
Match(T,R)=EMatch(ET,ER)*(FMatch(FTn,FRn)+QosMatch(QT,QR))
其中Match(T,R)表示供需智能匹配的最终匹配度,T表示服务需求方需要资源的基本信息、功能信息、评价信息,R表示服务提供方提供资源的基本信息、功能信息、评价信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710763293.2A CN107515938B (zh) | 2017-08-30 | 2017-08-30 | 一种云制造环境下的供需智能匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710763293.2A CN107515938B (zh) | 2017-08-30 | 2017-08-30 | 一种云制造环境下的供需智能匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107515938A CN107515938A (zh) | 2017-12-26 |
CN107515938B true CN107515938B (zh) | 2021-01-26 |
Family
ID=60724613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710763293.2A Active CN107515938B (zh) | 2017-08-30 | 2017-08-30 | 一种云制造环境下的供需智能匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107515938B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109147918A (zh) * | 2018-08-22 | 2019-01-04 | 泰康保险集团股份有限公司 | 预约匹配方法、装置、电子设备及计算机可读介质 |
CN109242621A (zh) * | 2018-08-29 | 2019-01-18 | 武汉职业技术学院 | 服务供需匹配方法及系统 |
CN109919616B (zh) * | 2019-03-12 | 2023-04-07 | 重庆金窝窝网络科技有限公司 | 基于区块链的农产品交易控制方法、装置及维护系统 |
CN110138687B (zh) * | 2019-05-14 | 2022-03-22 | 合肥工业大学 | 一种考虑信任度的云制造资源匹配方法 |
CN111985765B (zh) * | 2020-07-06 | 2024-04-05 | 招联消费金融股份有限公司 | 资源提供方的确定方法、装置、设备和存储介质 |
CN112115177A (zh) * | 2020-09-30 | 2020-12-22 | 欧冶云商股份有限公司 | 一种加工服务资源查找匹配方法、匹配系统及介质 |
CN112287219A (zh) * | 2020-10-28 | 2021-01-29 | 帮帮有信(北京)科技有限公司 | 服务需求方与服务提供方匹配方法及装置 |
CN112949969A (zh) * | 2020-12-02 | 2021-06-11 | 北京金山云网络技术有限公司 | 供需匹配方法、装置、电子设备及存储介质 |
CN113256302A (zh) * | 2021-05-12 | 2021-08-13 | 南京航空航天大学 | 一种基于云制造平台的资源信息交互方法 |
CN115328870B (zh) * | 2022-10-17 | 2022-12-20 | 工业云制造(四川)创新中心有限公司 | 一种面向云制造的数据共享方法及系统 |
CN115759510B (zh) * | 2022-11-15 | 2023-06-23 | 南京航空航天大学 | 一种云制造任务与机加工制造服务的匹配方法 |
CN117151547B (zh) * | 2023-10-30 | 2024-02-06 | 浙江大学高端装备研究院 | 一种基于云的智能制造服务供需平衡评估方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101820444A (zh) * | 2010-03-24 | 2010-09-01 | 北京航空航天大学 | 一种基于描述信息匹配相似度的资源服务匹配与搜索方法 |
CN101958917A (zh) * | 2010-03-24 | 2011-01-26 | 北京航空航天大学 | 一种面向云制造系统的资源服务组合柔性量测和提高方法 |
CN102624870A (zh) * | 2012-02-01 | 2012-08-01 | 北京航空航天大学 | 基于智能优化算法的云制造计算资源可重构配置方法 |
US9842004B2 (en) * | 2008-08-22 | 2017-12-12 | Red Hat, Inc. | Adjusting resource usage for cloud-based networks |
-
2017
- 2017-08-30 CN CN201710763293.2A patent/CN107515938B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9842004B2 (en) * | 2008-08-22 | 2017-12-12 | Red Hat, Inc. | Adjusting resource usage for cloud-based networks |
CN101820444A (zh) * | 2010-03-24 | 2010-09-01 | 北京航空航天大学 | 一种基于描述信息匹配相似度的资源服务匹配与搜索方法 |
CN101958917A (zh) * | 2010-03-24 | 2011-01-26 | 北京航空航天大学 | 一种面向云制造系统的资源服务组合柔性量测和提高方法 |
CN102624870A (zh) * | 2012-02-01 | 2012-08-01 | 北京航空航天大学 | 基于智能优化算法的云制造计算资源可重构配置方法 |
Non-Patent Citations (1)
Title |
---|
面向云制造的服务资源优选建模及仿真研究;罗大海;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160315(第3期);第I139-541页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107515938A (zh) | 2017-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107515938B (zh) | 一种云制造环境下的供需智能匹配方法 | |
CN107436875B (zh) | 文本分类方法及装置 | |
CN104077306B (zh) | 一种搜索引擎的结果排序方法及系统 | |
Nasab et al. | An improvement of quantitative strategic planning matrix using multiple criteria decision making and fuzzy numbers | |
CN103761254B (zh) | 多领域服务主题匹配推荐方法 | |
CN111079015B (zh) | 一种推荐方法、装置、计算机设备和存储介质 | |
CN109033101B (zh) | 标签推荐方法及装置 | |
TW201344477A (zh) | 標題關鍵字推薦方法及系統 | |
CN106997390B (zh) | 一种设备配件或零部件商品交易信息搜索方法 | |
CN108038730A (zh) | 产品相似度判断方法、装置及服务器集群 | |
CN105786838A (zh) | 一种信息匹配处理方法和装置 | |
CN102968419A (zh) | 交互式互联网实体名称的消歧方法 | |
CN110489556A (zh) | 关于跟进记录的质量评价方法、装置、服务器及存储介质 | |
CN110992124A (zh) | 房源的推荐方法及房源的推荐系统 | |
CN106294410A (zh) | 一种个性化信息推送时间的确定方法及确定系统 | |
CN115456707A (zh) | 提供商品推荐信息的方法、装置及电子设备 | |
CN115271227A (zh) | 云环境下的资源调度方法 | |
CN111159420A (zh) | 一种基于属性计算与知识模板的实体优化方法 | |
CN114580847A (zh) | 考虑相似度和信誉度的能效评估服务资源供需匹配系统及方法 | |
CN110110962A (zh) | 一种任务群智执行团队的优选方法 | |
CN108537599A (zh) | 基于关键词聚合的查询反馈方法、装置以及存储介质 | |
Wang | Integrating a novel intuitive fuzzy method with quality function deployment for product design: Case study on touch panels | |
Liu et al. | Application of master data classification model in enterprises | |
Chen et al. | GI-TOPSIS based on combinational weight determination and its application to selection of reverse logistics service providers | |
Hofreiter et al. | Rank aggregation for QoS-aware web service selection and composition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |