CN111932106A - 一种有效实用的云制造任务与服务资源匹配方法 - Google Patents

一种有效实用的云制造任务与服务资源匹配方法 Download PDF

Info

Publication number
CN111932106A
CN111932106A CN202010777058.2A CN202010777058A CN111932106A CN 111932106 A CN111932106 A CN 111932106A CN 202010777058 A CN202010777058 A CN 202010777058A CN 111932106 A CN111932106 A CN 111932106A
Authority
CN
China
Prior art keywords
service
satisfaction
task
cloud manufacturing
service resource
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.)
Granted
Application number
CN202010777058.2A
Other languages
English (en)
Other versions
CN111932106B (zh
Inventor
郑玉洁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University of Science and Technology
Original Assignee
Shandong University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University of Science and Technology filed Critical Shandong University of Science and Technology
Priority to CN202010777058.2A priority Critical patent/CN111932106B/zh
Publication of CN111932106A publication Critical patent/CN111932106A/zh
Application granted granted Critical
Publication of CN111932106B publication Critical patent/CN111932106B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (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

本发明公开了一种有效实用的云制造任务与服务资源匹配方法，涉及互联网技术领域，该方法具体步骤如下：识别与量化服务需求商的满意度指标(如：成本、发货时间、质量、……)以及服务提供商的满意度指标、评估服务需求商和服务提供商的满意度、构建云制造任务与服务资源双边匹配模型、求解匹配模型。该有效实用的云制造任务与服务资源匹配方法，解决了现有的云制造服务平台在进行云制造任务与服务资源匹配时未同时考虑服务需求商和服务提供商的满意度、未充分考虑服务需求商和服务提供商和思维模糊性并忽略了服务的理性进而造成云制造服务平台服务需求商和服务提供商满意度低下且不清晰的问题，进而大大提升云制造平台的竞争能力。

Description

一种有效实用的云制造任务与服务资源匹配方法
技术领域
本发明涉及互联网技术领域，具体为一种有效实用的云制造任务与服务资源匹配方法。
背景技术
随着互联网技术的迅速发展，云制造服务平台应运而生，而服务资源分配是云制造服务平台的一项重要工作，其主要思路是把服务提供商在平台上发布的资源按需分配给服务需求商，在服务资源分配过程中，提高服务需求商和服务提供商的满意度对提高云制造服务平台的竞争力具有重要意义，然而，当前同时考虑服务需求商和服务提供商满意度的技术很少，并且未给出满意度的具体计算方法，忽略了服务需求商和服务提供商的理性，也未充分考虑服务需求商和服务提供商的思维模糊性，因此提出了一种有效实用的云制造任务与服务资源匹配方法来解决上述问题。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种有效实用的云制造任务与服务资源匹配方法，解决了现有的云制造服务平台在进行云制造任务与服务资源匹配时未同时考虑服务需求商和服务提供商的满意度、未充分考虑服务需求商和服务提供商的思维模糊性并忽略了服务需求商和服务提供商的理性进而造成云制造服务平台服务需求商和服务提供商满意度低下且不清晰的问题。
(二)技术方案
为达到以上目的，本发明采取的技术方案是：一种有效实用的云制造任务与服务资源匹配方法，该方法具体步骤如下：
a1、识别服务需求商的满意度指标(如：成本、发货时间、质量、……)以及服务提供商的满意度指标(如：付款时间、技术难度、……)，服务需求商的满意度指标集记为
Figure BDA0002618821580000021
服务提供商的满意度指标集记为
Figure BDA0002618821580000022
a2、对于成本、发货时间和付款时间等满意度指标，服务需求商和服务提供商可通过数值直接量化；对质量和技术难度等难以直接量化的满意度指标，本发明采用区间犹豫模糊语言评价法进行量化。具体模型如下：
Figure BDA0002618821580000023
其中，sk表示难以直接量化的满意度指标(sk∈(SD∪SP)，k＝1,2,3,……)，lt(sk)表示对sk的语言评价结果(t＝0,1,2,...,2T,T∈Z)，f(lt(sk))表示语言尺度函数，#Γ(sk)表示语言评价结果lt(sk)的区间总个数，
Figure BDA0002618821580000024
表示语言评价结果lt(sk)对应的第z个区间的下限，
Figure BDA0002618821580000025
表示语言评价结果lt(sk)对应的第z个区间的上限，v(sk)表示满意度指标sk的量化结果；
a3、令云制造任务集和服务资源集分别记为D＝{Di,i＝1,2,...,I}和P＝{Pj,j＝1,2,...,J}；
Figure BDA0002618821580000026
表示云制造任务Di的服务需求商对满意度指标
Figure BDA0002618821580000027
的期望值；
Figure BDA0002618821580000028
表示对满意度指标
Figure BDA0002618821580000029
服务资源Pj具有的实际值。当指标
Figure BDA00026188215800000210
是成本型指标时，云制造任务Di的服务需求商对服务资源Pj满意度
Figure BDA00026188215800000211
的计算方法为：
Figure BDA00026188215800000212
当指标
Figure BDA00026188215800000213
是收入型指标时，针对该指标任务Di的服务需求商对服务资源Pj的满意度
Figure BDA00026188215800000214
的计算方法为：
Figure BDA0002618821580000031
令w(m)表示满意度指标
Figure BDA0002618821580000032
的权重，那么任务Di的服务需求商对服务资源Pj满意度的计算方法为：
Figure BDA0002618821580000033
Figure BDA0002618821580000034
越大，表示任务Di的服务需求商对服务资源Pj的满意度越大。当云制造任务Di的服务需求商不能接受服务资源Pj对其进行服务时，
Figure BDA0002618821580000035
M是一个较大的数。
同理，令
Figure BDA0002618821580000036
表示服务资源Pj的提供商对满意度指标
Figure BDA0002618821580000037
的期望值；
Figure BDA0002618821580000038
表示对于满意度指标
Figure BDA0002618821580000039
云制造任务Di具有的实际值。当指标
Figure BDA00026188215800000310
是成本型指标时，服务资源Pj的提供商对任务Di满意度
Figure BDA00026188215800000311
的计算方法为：
Figure BDA00026188215800000312
当指标
Figure BDA00026188215800000313
是收入型指标时，针对该指标服务资源Pj的提供商对云制造任务Di满意度
Figure BDA00026188215800000314
的计算方法为：
Figure BDA00026188215800000315
令w'(n)表示满意度指标
Figure BDA00026188215800000316
的权重，那么服务资源Pj的提供商对云制造任务Di满意度的计算方法为：
Figure BDA00026188215800000317
a4、令q(q＝1,2,3,...,Q)表示任务类型，
Figure BDA00026188215800000318
和yij是0-1变量，当云制造任务Di属于第q种任务类型时，
Figure BDA00026188215800000319
否则，
Figure BDA00026188215800000320
当服务资源Pj可以完成任务类型q时，
Figure BDA0002618821580000041
否则，
Figure BDA0002618821580000042
当云制造任务Di和服务资源Pj匹配时，yij＝1；否则，yij＝0；
基于此以服务需求商的满意度
Figure BDA0002618821580000043
服务提供商的满意度
Figure BDA0002618821580000044
云制造任务与服务资源匹配数量yij最大为目标，构建云制造任务与服务资源双边匹配模型，具体如下：
Figure BDA0002618821580000045
Figure BDA0002618821580000046
Figure BDA0002618821580000047
S.T.
Figure BDA0002618821580000048
Figure BDA0002618821580000049
Figure BDA00026188215800000410
Figure BDA00026188215800000411
Figure BDA00026188215800000412
yij＝0或1
其中，第一个目标函数表示最大化服务需求商满意度，第二个目标函数表示最大化服务提供商满意度，第三个目标函数表示最大化云制造任务与服务资源匹配数量。约束条件
Figure BDA00026188215800000413
表示服务提供商的个体理性，指服务资源的提供商宁愿不匹配任务，也不会为类型不符的任务提供服务；
Figure BDA00026188215800000414
表示服务需求商的个体理性，指服务需求商不会接受不满意的资源为其服务；
Figure BDA0002618821580000051
表示云制造任务和服务资源的匹配对中不存在阻塞对，即不存在下列情况之一：(1)服务资源Pj的服务类型与任务Di的类型相符，服务资源Pj未匹配任务，任务Di与比服务资源Pj满意度更低的服务资源匹配；(2)服务资源Pj的服务类型与云制造任务Di的类型相符，但任务Di与比服务资源Pj满意度更低服务资源匹配，Pj也与比任务Di满意度更低的任务匹配。
Figure BDA0002618821580000052
表示每个云制造任务匹配且只匹配一个服务资源；
Figure BDA0002618821580000053
表示每个服务资源最多匹配一个云制造任；
a5、本发明采用自适应遗传算法对云制造任务与服务资源双边匹配模型进行求解，具体如下：染色体采用实数编码，适应度函数有3个：
Figure BDA0002618821580000054
选择、交叉和变异策略分别是精英策略、自适应交叉策略、自适应变异策略。自适应交叉概率和自适应变异概率的计算方法如下：
Figure BDA0002618821580000055
Figure BDA0002618821580000056
其中，pc表示自适应交叉概率，pcmin表示交叉概率最小值，pcmax表示交叉概率最大值，favg表示当代种群的平均适应度值，f'表示参与交叉的两个个体中较大的适应度值。
同理，pm表示自适应变异概率；pmmin表示变异概率最小值；pmmax表示变异概率最大值；fmin表示当代种群中适应度最小值；favg表示当代种群中适应度平均值；f'表示变异个体的适应度值。
优选的，所述a1为构建服务需求商和服务提供商的满意度指标。
优选的，所述a2为量化服务需求商和服务提供商的满意度指标。
优选的，所述a3为评估服务需求商和服务提供商的满意度。
优选的，所述a4为构建云制造任务与服务资源的双边匹配模型。
优选的，所述a5为求解云制造任务与服务资源的双边匹配模型。
(三)有益效果
本发明的有益效果在于：
该有效实用的云制造任务与服务资源匹配方法，通过量化云制造中服务需求商和服务提供商满意度、充分考虑服务需求商和服务提供商的思维模糊性和理性，构建服务需求商和服务提供商满意度最大的云制造任务与服务资源双边匹配模型，即通过依次构建服务需求商和服务提供商满意度指标、采用区间犹豫模糊语言评价法对满意度指标进行量化、提出服务需求商和服务提供商满意度的评估方法、构建以服务需求商和服务提供商满意度最大、任务和服务资源匹配数最多为目标的云制造任务与服务资源双边匹配模型，从而量化和最大化了服务需求商和服务提供商的满意度，解决了现有的云制造服务平台在进行云制造任务与服务资源匹配时未同时考虑服务需求商和服务提供商的满意度、未充分考虑服务需求商和服务提供商的思维模糊性并忽略了服务需求商和服务提供商的理性进而造成云制造服务平台服务需求商和服务提供商满意度低下且不清晰的问题，进而大大提升云制造平台的竞争能力，并同时增加了云制造平台的实际使用效果。
附图说明
图1为本发明方法结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明提供一种技术方案：一种有效实用的云制造任务与服务资源匹配方法，该方法具体步骤如下：
a1、识别服务需求商的满意度指标(如：成本、发货时间、质量、……)以及服务提供商的满意度指标(如：付款时间、技术难度、……)，服务需求商的满意度指标集记为
Figure BDA0002618821580000071
服务提供商的满意度指标集记为
Figure BDA0002618821580000072
a2、对于成本、发货时间和付款时间等满意度指标，服务需求商和服务提供商可通过数值直接量化；对质量和技术难度等难以直接量化的满意度指标，本发明采用区间犹豫模糊语言评价法进行量化。具体模型如下：
Figure BDA0002618821580000073
其中，sk表示难以直接量化的满意度指标(sk∈(SD∪SP)，k＝1,2,3,……)，lt(sk)表示对sk的语言评价结果(t＝0,1,2,...,2T,T∈Z)，f(lt(sk))表示语言尺度函数，#Γ(sk)表示语言评价结果lt(sk)的区间总个数，
Figure BDA0002618821580000074
表示语言评价结果lt(sk)对应的第z个区间的下限，
Figure BDA0002618821580000075
表示语言评价结果lt(sk)对应的第z个区间的上限，v(sk)表示满意度指标sk的量化结果；
a3、令云制造任务集和服务资源集分别记为D＝{Di,i＝1,2,...,I}和P＝{Pj,j＝1,2,...,J}；
Figure BDA0002618821580000081
表示云制造任务Di的服务需求商对满意度指标
Figure BDA0002618821580000082
的期望值；
Figure BDA0002618821580000083
表示对满意度指标
Figure BDA0002618821580000084
服务资源Pj具有的实际值。当指标
Figure BDA0002618821580000085
是成本型指标时，云制造任务Di的服务需求商对服务资源Pj满意度
Figure BDA0002618821580000086
的计算方法为：
Figure BDA0002618821580000087
当指标
Figure BDA0002618821580000088
是收入型指标时，针对该指标任务Di的服务需求商对服务资源Pj的满意度
Figure BDA0002618821580000089
的计算方法为：
Figure BDA00026188215800000810
令w(m)表示满意度指标
Figure BDA00026188215800000811
的权重，那么任务Di的服务需求商对服务资源Pj满意度的计算方法为：
Figure BDA00026188215800000812
Figure BDA00026188215800000813
越大，表示任务Di的服务需求商对服务资源Pj的满意度越大。当云制造任务Di的服务需求商不能接受服务资源Pj对其进行服务时，
Figure BDA00026188215800000814
M是一个较大的数。
同理，令
Figure BDA00026188215800000815
表示服务资源Pj的提供商对满意度指标
Figure BDA00026188215800000816
的期望值；
Figure BDA00026188215800000817
表示对于满意度指标
Figure BDA00026188215800000818
云制造任务Di具有的实际值。当指标
Figure BDA00026188215800000819
是成本型指标时，服务资源Pj的提供商对任务Di满意度
Figure BDA00026188215800000820
的计算方法为：
Figure BDA00026188215800000821
当指标
Figure BDA00026188215800000822
是收入型指标时，针对该指标服务资源Pj的提供商对云制造任务Di满意度
Figure BDA0002618821580000091
的计算方法为：
Figure BDA0002618821580000092
令w'(n)表示满意度指标
Figure BDA0002618821580000093
的权重，那么服务资源Pj的提供商对云制造任务Di满意度的计算方法为：
Figure BDA0002618821580000094
a4、令q(q＝1,2,3,...,Q)表示任务类型，
Figure BDA0002618821580000095
和yij是0-1变量，当云制造任务Di属于第q种任务类型时，
Figure BDA0002618821580000096
否则，
Figure BDA0002618821580000097
当服务资源Pj可以完成任务类型q时，
Figure BDA0002618821580000098
否则，
Figure BDA0002618821580000099
当云制造任务Di和服务资源Pj匹配时，yij＝1；否则，yij＝0；
基于此以服务需求商的满意度
Figure BDA00026188215800000910
服务提供商的满意度
Figure BDA00026188215800000911
云制造任务与服务资源匹配数量yij最大为目标，构建云制造任务与服务资源双边匹配模型，具体如下：
Figure BDA0002618821580000101
Figure BDA0002618821580000102
Figure BDA0002618821580000103
S.T.
Figure BDA0002618821580000104
Figure BDA0002618821580000105
Figure BDA0002618821580000106
Figure BDA0002618821580000107
Figure BDA0002618821580000108
yij＝0或1
其中，第一个目标函数表示最大化服务需求商满意度，第二个目标函数表示最大化服务提供商满意度，第三个目标函数表示最大化云制造任务与服务资源匹配数量。约束条件
Figure BDA0002618821580000109
表示服务提供商的个体理性，指服务资源的提供商宁愿不匹配任务，也不会为类型不符的任务提供服务；
Figure BDA00026188215800001010
表示服务需求商的个体理性，指服务需求商不会接受不满意的资源为其服务；
Figure BDA00026188215800001011
表示云制造任务和服务资源的匹配对中不存在阻塞对，即不存在下列情况之一：(1)服务资源Pj的服务类型与任务Di的类型相符，服务资源Pj未匹配任务，任务Di与比服务资源Pj满意度更低的服务资源匹配；(2)服务资源Pj的服务类型与云制造任务Di的类型相符，但任务Di与比服务资源Pj满意度更低服务资源匹配，Pj也与比任务Di满意度更低的任务匹配。
Figure BDA0002618821580000111
表示每个云制造任务匹配且只匹配一个服务资源；
Figure BDA0002618821580000112
表示每个服务资源最多匹配一个云制造任；
a5、本发明采用自适应遗传算法对云制造任务与服务资源双边匹配模型进行求解，具体如下：染色体采用实数编码，适应度函数有3个：
Figure BDA0002618821580000113
选择、交叉和变异策略分别是精英策略、自适应交叉策略、自适应变异策略。自适应交叉概率和自适应变异概率的计算方法如下：
Figure BDA0002618821580000114
Figure BDA0002618821580000115
其中，pc表示自适应交叉概率，pcmin表示交叉概率最小值，pcmax表示交叉概率最大值，favg表示当代种群的平均适应度值，f'表示参与交叉的两个个体中较大的适应度值。
同理，pm表示自适应变异概率；pmmin表示变异概率最小值；pmmax表示变异概率最大值；fmin表示当代种群中适应度最小值；favg表示当代种群中适应度平均值；f'表示变异个体的适应度值。
a1为构建服务需求商和服务提供商的满意度指标。
a2为量化服务需求商和服务提供商的满意度指标。
a3为评估服务需求商和服务提供商的满意度。
a4为构建云制造任务与服务资源的双边匹配模型。
a5为求解云制造任务与服务资源的双边匹配模型。
本发明的操作步骤为：
根据云制造平台获得海量数据，之后通过数据构建服务者和服务提供商的满意度指标，在构建服务者和服务提供商的满意度指标完成后将数据进行数学方法处理，进而量化服务需求商和服务提供商的满意度指标，然后通过量化服务需求商和服务提供商的满意度指标评估服务需求商和服务提供商的满意度，在评估服务需求商和服务提供商的满意度完成后根据所得数据构建云制造任务与服务资源的双边匹配模型，在将云制造任务与服务资源的双边匹配模型建立完成后求解云制造任务与服务资源的双边匹配模型即可将云制造服务平台服务需求商和服务提供商满意度量化并最大化，从而大大提升了云制造平台的竞争能力。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种有效实用的云制造任务与服务资源匹配方法，该方法具体步骤如下：
a1、识别服务需求商的满意度指标(如：成本、发货时间、质量、……)以及服务提供商的满意度指标(如：付款时间、技术难度、……)，服务需求商的满意度指标集记为
Figure FDA0002618821570000011
服务提供商的满意度指标集记为
Figure FDA0002618821570000012
a2、对于成本、发货时间和付款时间等满意度指标，服务需求商和服务提供商可通过数值直接量化；对质量和技术难度等难以直接量化的满意度指标，本发明采用区间犹豫模糊语言评价法进行量化。具体模型如下：
Figure FDA0002618821570000013
其中，sk表示难以直接量化的满意度指标(sk∈(SD∪SP)，k＝1,2,3,……)，lt(sk)表示对sk的语言评价结果(t＝0,1,2,...,2T,T∈Z)，f(lt(sk))表示语言尺度函数，#Γ(sk)表示语言评价结果lt(sk)的区间总个数，
Figure FDA0002618821570000014
表示语言评价结果lt(sk)对应的第z个区间的下限，
Figure FDA0002618821570000015
表示语言评价结果lt(sk)对应的第z个区间的上限，v(sk)表示满意度指标sk的量化结果；
a3、令云制造任务集和服务资源集分别记为D＝{Di,i＝1,2,...,I}和P＝{Pj,j＝1,2,...,J}；
Figure FDA0002618821570000016
表示云制造任务Di的服务需求商对满意度指标
Figure FDA0002618821570000017
的期望值；
Figure FDA0002618821570000018
表示对满意度指标
Figure FDA0002618821570000019
服务资源Pj具有的实际值。当指标
Figure FDA00026188215700000110
是成本型指标时，云制造任务Di的服务需求商对服务资源Pj满意度
Figure FDA00026188215700000111
的计算方法为：
Figure FDA0002618821570000021
当指标
Figure FDA0002618821570000022
是收入型指标时，针对该指标任务Di的服务需求商对服务资源Pj的满意度
Figure FDA0002618821570000023
的计算方法为：
Figure FDA0002618821570000024
令w(m)表示满意度指标
Figure FDA0002618821570000025
的权重，那么任务Di的服务需求商对服务资源Pj满意度的计算方法为：
Figure FDA0002618821570000026
Figure FDA0002618821570000027
越大，表示任务Di的服务需求商对服务资源Pj的满意度越大。当云制造任务Di的服务需求商不能接受服务资源Pj对其进行服务时，
Figure FDA0002618821570000028
M是一个较大的数。
同理，令
Figure FDA0002618821570000029
表示服务资源Pj的提供商对满意度指标
Figure FDA00026188215700000210
的期望值；
Figure FDA00026188215700000211
表示对于满意度指标
Figure FDA00026188215700000212
云制造任务Di具有的实际值。当指标
Figure FDA00026188215700000213
是成本型指标时，服务资源Pj的提供商对任务Di满意度
Figure FDA00026188215700000214
的计算方法为：
Figure FDA00026188215700000215
当指标
Figure FDA00026188215700000216
是收入型指标时，针对该指标服务资源Pj的提供商对云制造任务Di满意度
Figure FDA00026188215700000217
的计算方法为：
Figure FDA00026188215700000218
令w'(n)表示满意度指标
Figure FDA00026188215700000219
的权重，那么服务资源Pj的提供商对云制造任务Di满意度的计算方法为：
Figure FDA0002618821570000031
a4、令q(q＝1,2,3,...,Q)表示任务类型，
Figure FDA0002618821570000032
和yij是0-1变量，当云制造任务Di属于第q种任务类型时，
Figure FDA0002618821570000033
否则，
Figure FDA0002618821570000034
当服务资源Pj可以完成任务类型q时，
Figure FDA0002618821570000035
否则，
Figure FDA0002618821570000036
当云制造任务Di和服务资源Pj匹配时，yij＝1；否则，yij＝0；
基于此以服务需求商的满意度
Figure FDA0002618821570000037
服务提供商的满意度
Figure FDA0002618821570000038
云制造任务与服务资源匹配数量yij最大为目标，构建云制造任务与服务资源双边匹配模型，具体如下：
Figure FDA0002618821570000039
Figure FDA00026188215700000310
Figure FDA00026188215700000311
S.T.
Figure FDA00026188215700000312
Figure FDA00026188215700000313
Figure FDA00026188215700000314
Figure FDA00026188215700000315
Figure FDA00026188215700000316
yij＝0或1
其中，第一个目标函数表示最大化服务需求商满意度，第二个目标函数表示最大化服务提供商满意度，第三个目标函数表示最大化云制造任务与服务资源匹配数量。约束条件
Figure FDA0002618821570000041
表示服务提供商的个体理性，指服务资源的提供商宁愿不匹配任务，也不会为类型不符的任务提供服务；
Figure FDA0002618821570000042
表示服务需求商的个体理性，指服务需求商不会接受不满意的资源为其服务；
Figure FDA0002618821570000043
表示云制造任务和服务资源的匹配对中不存在阻塞对，即不存在下列情况之一：(1)服务资源Pj的服务类型与任务Di的类型相符，服务资源Pj未匹配任务，任务Di与比服务资源Pj满意度更低的服务资源匹配；(2)服务资源Pj的服务类型与云制造任务Di的类型相符，但任务Di与比服务资源Pj满意度更低服务资源匹配，Pj也与比任务Di满意度更低的任务匹配。
Figure FDA0002618821570000044
表示每个云制造任务匹配且只匹配一个服务资源；
Figure FDA0002618821570000045
表示每个服务资源最多匹配一个云制造任务；
a5、本发明采用自适应遗传算法对云制造任务与服务资源双边匹配模型进行求解，具体如下：染色体采用实数编码，适应度函数有3个：
Figure FDA0002618821570000046
选择、交叉和变异策略分别是精英策略、自适应交叉策略、自适应变异策略。自适应交叉概率和自适应变异概率的计算方法如下：
Figure FDA0002618821570000047
Figure FDA0002618821570000048
其中，pc表示自适应交叉概率，pcmin表示交叉概率最小值，pcmax表示交叉概率最大值，favg表示当代种群的平均适应度值，f'表示参与交叉的两个个体中较大的适应度值。
同理，pm表示自适应变异概率；pmmin表示变异概率最小值；pmmax表示变异概率最大值；fmin表示当代种群中适应度最小值；favg表示当代种群中适应度平均值；f'表示变异个体的适应度值。
2.根据权利要求1所述的一种有效实用的云制造任务与服务资源匹配方法，其特征在于：所述a1为构建服务需求商和服务提供商的满意度指标。
3.根据权利要求1所述的一种有效实用的云制造任务与服务资源匹配方法，其特征在于：所述a2为量化服务需求商和服务提供商的满意度指标。
4.根据权利要求1所述的一种有效实用的云制造任务与服务资源匹配方法，其特征在于：所述a3为评估服务需求商和服务提供商的满意度。
5.根据权利要求1所述的一种有效实用的云制造任务与服务资源匹配方法，其特征在于：所述a4为构建云制造任务与服务资源的双边匹配模型。
6.根据权利要求1所述的一种有效实用的云制造任务与服务资源匹配方法，其特征在于：所述a5为求解云制造任务与服务资源的双边匹配模型。
CN202010777058.2A 2020-08-05 2020-08-05 一种有效实用的云制造任务与服务资源匹配方法 Active CN111932106B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010777058.2A CN111932106B (zh) 2020-08-05 2020-08-05 一种有效实用的云制造任务与服务资源匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010777058.2A CN111932106B (zh) 2020-08-05 2020-08-05 一种有效实用的云制造任务与服务资源匹配方法

Publications (2)

Publication Number Publication Date
CN111932106A true CN111932106A (zh) 2020-11-13
CN111932106B CN111932106B (zh) 2022-06-28

Family

ID=73307967

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010777058.2A Active CN111932106B (zh) 2020-08-05 2020-08-05 一种有效实用的云制造任务与服务资源匹配方法

Country Status (1)

Country Link
CN (1) CN111932106B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115759510A (zh) * 2022-11-15 2023-03-07 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
CN116663855A (zh) * 2023-07-25 2023-08-29 暨南大学 一种群智感知中的双边满意在线任务匹配方法及系统
CN116703101A (zh) * 2023-06-16 2023-09-05 青岛鲁诺金融电子技术有限公司 一种基于大数据的汽车销售服务管理系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2017100412A4 (en) * 2014-09-23 2017-05-18 Tongji University Cloud task scheduling algorithm based on user satisfaction
CN107317699A (zh) * 2017-05-25 2017-11-03 南京邮电大学 一种云制造服务组合的动态蚁群快速优选方法
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
CN107944602A (zh) * 2017-11-09 2018-04-20 重庆大学 基于信任模型的云制造服务评价与匹配方法
CN110751411A (zh) * 2019-10-28 2020-02-04 河海大学常州校区 一种面向云制造任务的制造资源匹配方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2017100412A4 (en) * 2014-09-23 2017-05-18 Tongji University Cloud task scheduling algorithm based on user satisfaction
CN107317699A (zh) * 2017-05-25 2017-11-03 南京邮电大学 一种云制造服务组合的动态蚁群快速优选方法
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
CN107944602A (zh) * 2017-11-09 2018-04-20 重庆大学 基于信任模型的云制造服务评价与匹配方法
CN110751411A (zh) * 2019-10-28 2020-02-04 河海大学常州校区 一种面向云制造任务的制造资源匹配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
傅梓敏: ""竞争驱动的云制造资源多目标优化匹配方法研究及应用"", 《万方数据知识服务平台》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115759510A (zh) * 2022-11-15 2023-03-07 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
CN116703101A (zh) * 2023-06-16 2023-09-05 青岛鲁诺金融电子技术有限公司 一种基于大数据的汽车销售服务管理系统及方法
CN116703101B (zh) * 2023-06-16 2024-06-04 青岛鲁诺金融电子技术有限公司 一种基于大数据的汽车销售服务管理系统及方法
CN116663855A (zh) * 2023-07-25 2023-08-29 暨南大学 一种群智感知中的双边满意在线任务匹配方法及系统
CN116663855B (zh) * 2023-07-25 2024-02-06 暨南大学 一种群智感知中的双边满意在线任务匹配方法及系统

Also Published As

Publication number Publication date
CN111932106B (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
CN111932106B (zh) 一种有效实用的云制造任务与服务资源匹配方法
CN107506905A (zh) 一种改进的电网企业可持续发展综合评价方法
CN106952159B (zh) 一种不动产抵押品风险控制方法、系统及存储介质
CN108399453A (zh) 一种电力客户信用等级评价方法和装置
WO2018157808A1 (zh) 互联网征信评估方法和系统
CN111210072B (zh) 预测模型训练和用户资源额度确定方法及装置
CN109961362A (zh) P2p平台信用风险动态评价方法和系统
CN112836771A (zh) 业务服务点的分类方法、装置、电子设备和存储介质
CN104009993B (zh) 一种基于模糊过滤的信任评估方法
CN114021873A (zh) 一种数据指标量化方法和智慧园区企业价值评价系统
CN111091460B (zh) 一种数据处理方法及装置
CN111260161B (zh) 一种众包任务下发的方法及设备
CN113672797A (zh) 一种内容推荐方法及装置
CN113205391B (zh) 基于历史订单匹配度的派单方法、电子设备和计算机可读介质
Shen et al. An optimization approach for worker selection in crowdsourcing systems
CN112766637A (zh) 股东支持企业的评分方法、装置和电子设备
CN116187675A (zh) 任务分配方法、装置、设备及存储介质
CN112966968B (zh) 一种基于人工智能的名单分配方法及相关设备
CN114625497B (zh) 一种基于协同感知的可信服务组合方法
CN118134295B (zh) 一种需求响应用户信用评价方法、系统、存储介质及设备
CN117459914A (zh) 话单合并方法、系统、电子设备和存储介质
CN117236506A (zh) 基于遗传算法的银行外呼资源的分配方法及系统
CN115220919A (zh) 资源调配方法、装置以及设备
CN118070065A (zh) 一种基于图博弈的模型训练方法、装置、系统及存储介质
CN116738849A (zh) 一种云制造环境下的制造资源服务组合与优选方法

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
GR01 Patent grant
GR01 Patent grant