CN112230869A - 基于复杂网络的云3d打印服务建模方法 - Google Patents

Abstract

本发明公开了一种基于复杂网络的云3D打印服务建模方法，属于3D打印服务领域，用于云3D打印服务，其包括将具有制造能力的3D打印通过结构化数据表的形式提取属性形成云3D打印服务MS_QoS，众多的云3D打印服务MS_QoS构成云3D打印服务模型S_Net的点集S，点集S中不同节点S_i、S_j之间通过可组合关系形成有向边d，有向边d具有权重W；上述方法可实现复杂网络的定量计算并通过主成分分析法对所建立的云3D打印服务模型S_Net进行降维，降维后采用冗余节点的删除，冗余节点被删除的概率为Π′_i，

鉴于上述技术方案，本发明能够实现需求端T_Net和供给端S_Net之间的精确的匹配，实现制造能力按需动态地提供服务。

Description

基于复杂网络的云3D打印服务建模方法

技术领域

本发明属于3D打印云服务领域，具体地说，尤其涉及一种基于复杂网络的云3D打印服务建模方法。

背景技术

随着科技技术的进步，3D打印的技术日趋完善，3D打印技术广泛应用于各个领域，随着3D打印设备种类越来越多，打印材料越来越丰富，逐渐在需求端T_Net和供给端S_Net之间构建起3D打印服务平台。3D打印服务平台能够将3D打印的制造资源封装成为3D打印虚拟资源池中的服务资源，由于这些服务资源数量较多、关联程度较高，极容易构成复杂网络。

复杂网络是由大量的节点与连接两个节点的一些边而构成的，其中将云3D打印虚拟资源池中的各类制造资源封装成服务资源，并将服务资源视为研究节点，2个服务资源所具有某种特定的关系是连接的边，所以研究网络结构与网络行为之间的关系成为云3D打印服务网络建模研究的关键。

发明内容

本发明的目的在于提供一种基于复杂网络的云3D打印服务建模方法，其能够实现需求端T_Net和供给端S_Net之间的匹配，实现制造能力按需动态地提供服务。

为达到上述目的，本发明是通过以下技术方案实现的：

本发明中所述的基于复杂网络的云3D打印服务建模方法，其特征在于：步骤一，定义以提供云3D打印服务MS_QoS为节点S_N，N为提供云3D打印服务MS_QoS的总数；定义云3D打印服务MS_QoS之间的可组合关系为有向边d，定义云3D打印服务之间的关联程度为边的权重W，建立通过QoS驱动的云3D打印服务网络模型S_Net；其中，云3D打印服务MS_QoS构成的点集为S＝{S₁，S₂，······，S_N}，定义第i个3D打印服务MS_QoS为节点S_i，节点S_i与节点S_j之间的有向边d定义为

则云3D打印服务网络模型S_Net可用N×N网络的权重值W’矩阵来表示，即W′_ij＝d(S_i，S_j)，归一化处理后权重

步骤二、由于云3D打印服务网络模型S_Net之间的各个节点S_N具有相关性，可通过减小特征冗余，利用主成分分析法对所建立的云3D打印服务网络模型S_Net进行计算，将数据降为一维；

步骤三，对步骤二中降维后的云3D打印服务网络模型S_Net中的冗余节点进行删除，在云3D打印服务网络模型S_Net中随机选取节点S_i，计算与所选取节点S_i相关联的另一节点被选择删除的概率Π′_i，Π′_i的表达式为

进一步地讲，本发明中所述的云3D打印服务网络模型S_Net采用算子D_t(W)进行划分，设定阈值t∈[0，1]，所述D_t(W)的表达式为：

其中At为阈值为t时获取的S_Net的邻接矩阵，a_ij＝0表示节点S_i与节点S_j之间不存在有向边d；a_ij＝1时表示节点S_i与节点S_j之间存在有向边d。

进一步地讲，本发明中所述的云3D打印服务网络模型S_Net在具有动态性时，设置阈值t的初始阈值为T₀，初始阈值T₀在某一个时间段内累加并构成阈值集合：T＝[T₀，T₁，······，T_i，······，T_N]，其中阈值T_N＝T_N-1+ΔT。

进一步地讲，本发明中所述的云3D打印服务网络模型S_Net在节点增加时，新增节点偏好与S_Net中原有的QoS属性值高的节点S_i进行关联，其关联选择的概率用

进一步地讲，本发明中所述的云3D打印服务MS_QoS包括结构化数据表，结构化数据表包括制造资源、服务资源节点表、服务资源分类、服务资源功能输入、服务资源功能输出、服务资源关系、服务约束条件。

进一步地讲，本发明中所述的云3D打印服务网络模型S_Net中无协作关系的节点之间受新增节点的关联关系影响而产生有向边d的权重或节点数量的变化，此时新增有向边d的权重值W为1，已存在有向边d的权重值加1。

进一步地讲，本发明中所述的云3D打印服务网络模型S_Net中节点S_N减少时，与之关联的有向边d的权重值减1。

进一步地讲，本发明中所述的云3D打印服务网络模型S_Net中节点S_j受提供服务能力的限制，在一定时间内不能无限制提供服务；当节点S_j被占用时，该节点的负载系数

会提高；当

时，S_j节点不能与其他节点S_i进行关联。

进一步地讲，本发明中所述的主成分分析法对云3D打印服务网络模型S_Net降为一维：F＝[k_λ(T₀),k_λ(T₁),……,k_λ(T_N),k_max(T₀),k_max(T₁),……,k_max(T_N)]，其中k_λ(T_i)是T_i时云3D打印服务网络模型S_Net所构成复杂网平均度的阈值，k_max(T_i)是T_i时云3D打印服务网络模型S_Net最大度的阈值；综合指标的阈值之差ΔF＝[Δk_λ(T₀),Δk_λ(T₁),……,Δk_λ(T_n),Δk_max(T₀),Δk_max(T₁),……,Δk_max(T_N)]，其中某一间隔Ti的云3D打印服务网络模型S_Net平均度的阈值之差是Δk_λ(T_i)＝Δk_λ(T_i)-Δk_λ(T_i-1)，某一间隔Ti的云3D打印服务网络模型S_Net最大度的阈值之差是Δk_max(T_i)＝Δk_max(T_i)-Δk_max(T_i-1)。

与现有技术相比，本发明的有益效果是：

本发明通过对3D打印服务平台中的3D虚拟打印资源进行有效地优化与匹配，提高需求端T_Net和供给端S_Net之间的匹配程度，实现3D打印服务平台中的制造能力按需动态地提供服务。

附图说明

图1是本发明中复杂网络构件的原理框图。

具体实施方式

下面结合实施例对本发明所述的技术方案作进一步地描述说明。需要说明的是，在下述段落可能涉及的方位名词，包括但不限于“上、下、左、右、前、后”等，其所依据的方位均为对应说明书附图中所展示的视觉方位，其不应当也不该被视为是对本发明保护范围或技术方案的限定，其目的仅为方便本领域的技术人员更好地理解本发明创造所述的技术方案。

在本说明书的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

实施例1

一种基于复杂网络的云3D打印服务建模方法，步骤一，定义以提供云3D打印服务的云3D打印服务MS_QoS为节点S_N，N为提供云3D打印服务MS_QoS的总数；定义云3D打印服务MS_QoS之间的可组合关系为有向边d，定义云3D打印服务之间的关联程度为边的权重W，建立通过QoS驱动的云3D打印服务网络模型S_Net；其中，云3D打印服务MS_QoS构成的点集为S＝{S₁，S₂，······，S_N}，定义第i个3D打印服务MS_QoS为节点S_i，节点S_i与节点S_j之间的有向边d定义为

则云3D打印服务网络模型S_Net可用N×N网络的权重值W’矩阵来表示，即W′_ij＝d(S_i，S_j)，归一化处理后权重

步骤二、由于云3D打印服务网络模型S_Net之间的各个节点S_N具有相关性，可通过减小特征冗余，利用主成分分析法对所建立的云3D打印服务网络模型S_Net进行计算，将数据降为一维；

步骤三，对步骤二中降维后的云3D打印服务网络模型S_Net中随机选取节点S_i的方式，计算与所选取节点S_i相关联的另一节点被选择的概率Π′_i，

实施例2

一种基于复杂网络的云3D打印服务建模方法，所述云3D打印服务网络模型S_Net采用算子D_t(W)进行划分，设定阈值t∈[0，1]，所述D_t(W)的表达式为：

其中A_t为阈值为t时获取的S_Net的邻接矩阵，a_ij＝0表示节点S_i与节点S_j之间不存在有向边d；a_ij＝1时表示节点S_i与节点S_j之间存在有向边d；所述云3D打印服务网络模型S_Net在具有动态性时，设置阈值t的初始阈值为T₀，初始阈值T₀在某一个时间段内累加并构成阈值集合：T＝[T₀，T₁，······，T_i，······，T_N]，其中阈值T_N＝T_N-1+ΔT；所述云3D打印服务网络模型S_Net在节点增加时，新增节点偏好与S_Net中原有的QoS属性值高的节点S_i进行关联，其关联选择的概率用

所述云3D打印服务MS_QoS包括结构化数据表，结构化数据表包括制造资源、服务资源节点表、服务资源分类、服务资源功能输入、服务资源功能输出、服务资源关系、服务约束条件；所述云3D打印服务网络模型S_Net中无协作关系的节点之间受新增节点的关联关系影响而产生有向边d的权重或节点数量的变化，此时新增有向边d的权重值W为1，已存在有向边d的权重值加1；所述云3D打印服务网络模型S_Net中节点S_N减少时，与之关联的有向边d的权重值减1；所述云3D打印服务网络模型S_Net中节点S_j受提供服务能力的限制，在一定时间内不能无限制提供服务；当节点S_j被占用时，该节点的负载系数

会提高；当

时，S_j节点不能与其他节点S_i进行关联；所述主成分分析法对云3D打印服务网络模型S_Net的维度降为一维：F＝[k_λ(T₀),k_λ(T₁),……,k_λ(T_N),k_max(T₀),k_max(T₁),……,k_max(T_N)]，其中k_λ(T_i)是T_i时云3D打印服务网络模型S_Net所构成复杂网平均度的阈值，k_max(T_i)是T_i时云3D打印服务网络模型S_Net最大度的阈值；综合指标的阈值之差ΔF＝[Δk_λ(T₀),Δk_λ(T₁),……,Δk_λ(T_N),Δk_max(T₀),Δk_max(T₁),……,Δk_max(T_N)]，其中某一间隔Ti的云3D打印服务网络模型S_Net平均度的阈值之差是Δk_λ(T_i)＝Δk_λ(T_i)-Δk_λ(T_i-1)，某一间隔Ti的云3D打印服务网络模型S_Net最大度的阈值之差是Δk_max(T_i)＝Δk_max(T_i)-Δk_max(T_i-1)。其余部分的结构及连接关系与前述实施例中任意一项所述的结构及连接关系相同，为避免行文繁琐，此处不再赘述。

在上述实施例的基础上，本发明继续对其中涉及到的技术特征及该技术特征在本发明中所起到的功能、作用进行详细的描述，以帮助本领域的技术人员充分理解本发明的技术方案并且予以重现。

本发明中所述的云3D打印服务MS_QoS是对提供制造服务的对象进行具体的服务化描述和处理，实现对包括制造资源(RESOURCE)、服务资源节点表(SR_NODES)、服务资源分类(SR_CATEGORY)、服务资源功能输入(FUN_INPUT)、服务资源功能输出(FUN_OUTPUT)、服务资源关系(SR_RESOURCE_RELATION)、服务约束条件(SR_LINKS)等内容建立相应的结构化数据。由于在本发明中云3D打印服务MS_QoS是构成复杂网络的节点S_N，根据上述内容中的服务资源功能输入与输出作为判定节点S_i与节点S_j之间关联关系的依据，将上述内容中的服务约束条件作为判定节点S_i与节点S_j之间有向边d的权重值W的依据。

在本发明中主要基于计算机系统，利用复杂网络刻画服务对复杂网络中的节点进行降维，并且计算相邻节点被选取的概率，继而形成降低节点数量的目的。具体来讲，本发明中云3D打印服务MS_QoS的节点S_N众多，众多的S_N构成点集S，且众多的节点中存在较多的冗余特征，在与需求端进行匹配时极容易出现数据规模庞大、准确率低的问题。这就需要对云3D打印服务MS_QoS所构成的云3D打印服务网络模型S_Net进行降维处理。

云3D打印服务网络模型S_Net是以云3D打印服务MS_QoS为节点S_N，以云3D打印服务MS_QoS之间的可组合关系为有向边d，以云3D打印服务MS_QoS之间的关联程度为有向边d的权重值W所建立的。其中节点S_N、有向边d以及权重值W都呈现动态变化的趋势，不能用无标度网络模型来刻画这一类型的拓扑特性，因此在本发明中采用的是QoS驱动的云3D打印服务网络模型S_Net。

根据QoS属性的指标，每个云3D打印服务MS_QoS均被设置于0～1之间，表示时间、服务成本、服务质量、信誉度、可靠度等，由于每个云3D打印服务MS_QoS在一定时间内不可能无限制的提供服务，因此对云3D打印服务MS_QoS所构成的节点S_N需要设置负载系数MS_load，以用于反映该节点S_N的连接数。例如，当第j个服务节点S_j被占用时，采用

标记这个S_j节点的负载值，当

时，S_j节点不能与其他节点S_i进行关联。

此时，可定义云3D打印服务网络模型S_Net是由若干提供服务的节点S_N构成的点集S，即S＝{S₁，S₂，……，S_N}，N为构成云3D打印服务网络模型S_Net的服务节点总数。点集S中的节点S_i使用Si＝(X_i，Y_i)的坐标值来表示，i的取值范围为1≤i≤N。由于采用了坐标值来表示节点S_i，因此不同节点S_i与S_j之间的有向边d就可以采用上述两个节点之间相对位置关系的距离来表示，即

复杂网络可以用一个N×N的权重值W’矩阵来表示，即W′_ij＝d(S_i，S_j)，归一化处理后权重

而在云3D打印服务网络模型S_Net中，节点S_i与节点S_j之间可能存在并无有向边d的情形，为了判断节点S_i与节点S_j之间是否存在有向边d，可设置一个阈值t，阈值t∈(0,1)。采用算子D_t(W)对云3D打印服务网络模型S_Net进行划分，当节点S_i与节点S_j之间的连接权值大于或等于t时，则表示这两个节点之间并没有有向边d，否则存在有向边d。所述算子D_t(W)的表达式为：

其中At为阈值为t时获取的云3D打印服务网络模型S_Net的邻接矩阵，a_ij＝0表示节点S_i与节点S_j之间不存在有向边d；a_ij＝1时表示节点S_i与节点S_j之间存在有向边d。

上述段落中出现的阈值t随着云3D打印服务网络模型S_Net动态变化，所以阈值t具有一个初始阈值T₀。初始阈值T0在变化的过程中逐渐形成阈值集合T＝[T₀，T₁，……，T_i，……，T_N]。相邻阈值之间的差值为ΔT，所以可将T_N表示为T_N＝T_N-1+ΔT。

上述段落中已知云3D打印服务网络模型S_Net动态变化，其动态变化过程中点集S＝{S₁，S₂，……，S_N}会出现增加或减少。当点集S出现节点增加的情况时，新加入的节点可能会使得点集S中原本无协作关系的两个节点之间产生关联，导致有向边d增加或重复。此时，可将新增的有向边d的权重值记为1，已经存在的有向边d的权重值加1。同时，由于新增加的节点会与若干个节点产生协作关系，因此新加入的节点应当偏好于与点集S中QoS属性值较高的节点进行关联，其关联的概率Π_i表示为

当点集S中的节点减少时，与该节点关联所产生的有向边d的权重值减1，同时为了解决计算资源配置的问题，提出服务请求网络将大量计算机资源统一管理和调度，使得计算机资源能够恰当的分配或补偿，服务质量越低的节点越有可能被删除。因此，随机选取节点Si，计算与所选取节点Si相关联的另一节点被选择删除的概率应当为Π_i的倒数，即Π′_i。Π′_i的表达式为

通过上述操作，本发明能够将线下提供3D打印的若干制造资源形成云3D打印服务网络模型S_Net中的服务节点集S，并通过对组成点集S的若干节点S_N的属性进行提取形成节点之间由关联关系构成有向边d和有向边d所具有的权重值W。当需求端T_Net向提供服务的供给端网络S_Net发送3D打印需求时，其能够根据打印需求对S_Net进行先降维再去除冗余节点的方式，提高供给端网络S_Net对需求端T_Net的响应程度及精确度。

最后，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (9)

1.一种基于复杂网络的云3D打印服务建模方法，其特征在于：步骤一，定义云3D打印服务MS_QoS为节点S_N，N为提供云3D打印服务MS_QoS的总数；定义云3D打印服务MS_QoS之间的可组合关系为有向边d，定义云3D打印服务之间的关联程度为边的权重W，建立通过QoS驱动的云3D打印服务网络模型S_Net；其中，云3D打印服务MS_QoS构成的点集为S＝{S₁，S₂，……，S_N}，定义第i个3D打印服务MS_QoS为节点S_i，节点S_i与节点S_j之间的有向边长度d定义为

则云3D打印服务模型S_Net可用N×N网络的权重值W’矩阵来表示，即W′_ij＝d(S_i，S_j)，归一化处理后权重

步骤二、由于云3D打印服务模型S_Net之间的各个节点S_N具有相关性，可通过减小特征冗余，利用主成分分析法对所建立的云3D打印服务模型S_Net进行计算，将数据维度降为一维；

步骤三，对步骤二中降维后的云3D打印服务模型S_Net中的冗余节点进行删除，在云3D打印服务模型S_Net中随机选取节点S_i，计算与所选取节点S_i相关联的另一节点被选择删除的概率Π′_i，Π′_i的表达式为

2.根据权利要求1所述的基于复杂网络的云3D打印服务建模方法，其特征在于：所述云3D打印服务模型S_Net采用算子D_t(W)进行划分，设定阈值t∈[0，1]，所述D_t(W)的表达式为：

其中At为阈值为t时获取的S_Net的邻接矩阵，a_ij＝0表示节点Si与节点Sj之间不存在有向边d；a_ij＝1时表示节点Si与节点Sj之间存在有向边d。

3.根据权利要求2所述的基于复杂网络的云3D打印服务建模方法，其特征在于：所述云3D打印服务模型S_Net在具有动态性时，设置阈值t的初始阈值为T₀，初始阈值T₀在某一个时间段内累加并构成阈值集合：T＝[T₀，T₁，……，T_i，……，T_N]，其中阈值T_N＝T_N-1+ΔT。

4.根据权利要求3所述的基于复杂网络的云3D打印服务建模方法，其特征在于：所述云3D打印服务网络模型S_Net在节点增加时，新增节点偏好与云3D打印服务网络模型S_Net中原有的QoS属性值高的节点S_i进行关联，其关联选择的概率用

5.根据权利要求3所述的基于复杂网络的云3D打印服务建模方法，其特征在于：所述云3D打印服务MS_QoS包括结构化数据表，结构化数据表包括制造资源、服务资源节点表、服务资源分类、服务资源功能输入、服务资源功能输出、服务资源关系、服务约束条件。

6.根据权利要求3所述的基于复杂网络的云3D打印服务建模方法，其特征在于：所述云3D打印服务网络模型S_Net中无协作关系的节点之间受新增节点的关联关系影响而产生有向边d的权重值或节点数量的变化，此时新增有向边d的权重值W为1，已存在有向边d的权重值加1。

7.根据权利要求3所述的基于复杂网络的云3D打印服务建模方法，其特征在于：所述云3D打印服务网络模型S_Net中节点S_N减少时，与之关联的有向边d的权重值减1。

8.根据权利要求3所述的基于复杂网络的云3D打印服务建模方法，其特征在于：所述云3D打印服务网络模型S_Net中节点S_j受提供服务能力的限制，在一定时间内不能无限制提供服务；当节点S_j被占用时，该节点的负载系数

会提高；当

时，S_j节点不能与其他节点S_i进行关联。

9.根据权利要求3所述的基于复杂网络的云3D打印服务建模方法，其特征在于：所述主成分分析法对云3D打印服务网络模型S_Net的维度降为一维：F＝[k_λ(T₀)，k_λ(T₁)，......，k_λ(T_N)，k_max(T₀)，k_max(T₁)，......，k_max(T_N)]，其中k_λ(T_i)是T_i时云3D打印服务网络模型S_Net所构成复杂网平均度的阈值，k_max(T_i)是T_i时云3D打印服务网络模型S_Net最大度的阈值；综合指标的阈值之差ΔF＝[Δk_λ(T₀)，Δk_λ(T₁)，......，Δk_λ(T_N)，Δk_max(T₀)，Δk_max(T₁)，......，Δk_max(T_N)]，其中某一间隔Ti的云3D打印服务网络模型S_Net平均度的阈值之差是Δk_λ(T_i)＝Δk_λ(T_i)-Δk_λ(T_i-1)，某一间隔Ti的云3D打印服务网络模型S_Net最大度的阈值之差是Δk_max(T_i)＝Δk_max(T_i)-Δk_max(T_i-1)。

Images