CN112837041A - 一种基于工业云平台的项目管理系统及实施方法 - Google Patents
一种基于工业云平台的项目管理系统及实施方法 Download PDFInfo
- Publication number
- CN112837041A CN112837041A CN202110196158.0A CN202110196158A CN112837041A CN 112837041 A CN112837041 A CN 112837041A CN 202110196158 A CN202110196158 A CN 202110196158A CN 112837041 A CN112837041 A CN 112837041A
- Authority
- CN
- China
- Prior art keywords
- query
- particle
- cost
- document
- follows
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000005457 optimization Methods 0.000 claims abstract description 24
- 238000004519 manufacturing process Methods 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 4
- 239000002245 particle Substances 0.000 claims description 56
- 239000013598 vector Substances 0.000 claims description 35
- 238000007726 management method Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 12
- 238000005265 energy consumption Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 5
- 240000004760 Pimpinella anisum Species 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000010845 search algorithm Methods 0.000 claims description 3
- 238000011524 similarity measure Methods 0.000 claims description 3
- 238000001816 cooling Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 4
- 230000004931 aggregating effect Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000006872 improvement 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的一种基于工业云平台的项目管理系统及实施方法,包括:云工业平台、用户、供应商;其中云工业平台包括收集用户输入数据的数据库模块、用于数据处理、优化和可行方案生成的智能模块以及用于方案评估和比较的决策支持模块;云平台收集用户的制造服务请求和供应商的报价,通过智能决策算法进行处理,根据用户需求找到最佳的制造解决方案;智能决策算法根据嵌套算法生成方案,帮助供应商和用户根据特定的解决方案特征因素使时间与成本最小化,具有较好的稳定性与系统效能。
Description
技术领域
本发明涉及工业领域,更具体地说,涉及一种基于工业云平台的项目管理系统及实施方法。
背景技术
现代工业在全球范围内具有快速的发展,然而用户需求变化很大,这对资源效率产生很大影响。工业云平台可以有效促进工业资源的高效利用,根据个性化服务的向不同用户提供按需的制造服务。在工业网络层面,通过云平台对分布式计算、软件、数字和资源的全面共享和按需使用,可以创建具有更高资源效率、更高生产率和利用率的智能工业网络。通过工业云平台,用户可以无处不在地访问智能机器、生产系统,以及来自不同来源的大量数据。然而,要实现工业云平台的高效率运行,还存在许多技术问题,包括开发基于云的平台、为生产系统/用户提供合适的接口、面向服务的自动化实用程序交付以及来自不同来源的大量数据的处理。
发明内容
为解决上述技术问题,本发明提出一种基于工业云平台的项目管理系统及实施方法,以帮助供应商和用户根据特定的解决方案特征因素使时间与成本最小化,具有较好的稳定性与系统效能。
本发明提出的一种基于工业云平台的项目管理系统,包括:云工业平台、用户、供应商;其中云工业平台包括收集用户输入数据的数据库模块、用于数据处理、优化和可行方案生成的智能模块以及用于方案评估和比较的决策支持模块;
云平台收集用户的制造服务请求和供应商的报价,通过智能决策算法进行处理,根据用户需求找到最佳的制造解决方案。
智能决策算法根据嵌套算法生成方案,每个方案由多个嵌套配置组成,每个嵌套配置包含以下参数:实现配对所需的处理时间、能源消耗以及距离成本。
工业云平台的项目管理系统的数据库模块中,为便于实际应用,数据库的规模不断扩大。由于这些文档是用不同的表达方式用日常语言编写的,如何快速、准确地从数据库中检索出信息仍然是一个巨大的挑战。为提高检索的效率和性能,采用将向量空间模型方法。
数据库模块由三个主要部分组成,处理部分;查询操作部分;检索应用部分。
首先,处理部分从目标集合中自动提取文本信息,通过定义的操作序列处理收集的文本信息,即标记化、将所有单词转换为小写、引理化和删除停止词来建立内容语料库。
其次,查询操作模块通过读取并处理给定的查询。经过处理的查询将被预先扫描,以匹配其在预定义的风险相关词典中相关词的扩展。在预定义的风险相关词汇中找不到的术语通过使用同义词进行扩展。然后,系统扫描原始查询和扩展查询中的术语,删除内容语料库中不存在的术语。
第三,检索应用模块将查询和语料库结合起来,进行查询文档相似度计算。
其中,向量空间模型用于将文本文档表示为标识符向量,并为查询和文档中的索引项分配非二进制权重,用于计算每个文档和查询之间的相似度。查询q和文档dj可以表示为t维向量。对于向量模型,t是索引项的总数,每个维度对应一个单独的索引项。每个向量中的元素wi,j是与术语文档对(ki,dj)相关联的权重,并且和wi,j≥0。其中,如下式所示:
其中fi,j是文档中索引项ki的频率,N是文档集中文档的总数,ni是包含索引项ki的文档的数量。
通过使用向量空间模型和频率逆项文件频率权重,文档dj和查询q之间的相似度量化为如下式所示:
在考虑扩展查询qe的影响后,改进计算查询与相关案例相似度公式如下式所示:
score=sim(dj,qo)+λ×sim(dj,qe)
式中λ为qe效应系数,0<λ<1,取λ=0.7。
对于任何文档dj和查询q之间的相似性计算为如下式所示:
由于q0和qe的共同作用,总体相似度范围为0~1.7。
工业云平台的数据库模块,首先从数据集中提取文本内容信息,并对其进行处理,生成内容语料库。用户输入一个查询后,系统开始读取和处理该查询,结合使用预定义的相关词汇对原始查询进行扩展,过滤出内容语料库中不存在的查询词。最后,将原始查询、扩展查询和内容语料库集合起来进行查询文档相似度计算,并将前10个相似案例返回给用户。
其中,实现配对所需的处理时间如下式所示:
其中,Tp是准备数据所需的时间,Tbja是构建作业装配所需的时间,Ts是设置所需的时间,TBK是配置构建作业的构建时间,TR是从中移除产品所需的时间机器和TMC是更换产品所需的时间。
其中能源消耗的估算如下式所示:
式中,Euc是供应商的单一能源成本,取决于供应商所在地,而P是最大标称功率。TBK考虑预热、冷却和清洁所需的时间。
其中,距离成本根据用户和供应商位置,采用考虑批量体积和重量的距离成本系数,计算每个配对的距离成本Dij。其中距离成本如下式所示:
Dij=δD||Lsj-Lci||。
其中,Lsj和Lcj是供应商和用户的位置,δD是距离成本系数。
进一步的,为减少成本和时间,采用粒子群算法,通过不同资源利用率对决策绩效的影响进行度量和识别,其中基于的工期和成本的主要目标函数如下式所示:
资源利用率m利用持续时间活性j定义Tm。对于线性项目进度计划,资源利用率m利用材料成本上的工期活动j定义为Nj m,每日成本率为Pj m,对于资源利用率m不活动j,供应商成本为Aj m。
粒子群优化算法额随机粒子群通过具有更新生成的优化搜索算法对系统进行初始化,搜索空间由m维组成。多维向量表示第j个粒子群如下式所示:
Yj=(yj1,yj2,...,yjm);
m维矢量表示第j个粒子速度如下式所示:
Vj=(vj1,vj2,...,vjm)。
根据优化问题,评价每个粒子的适应度,基于个体适应度,第j个粒子的最佳位置如下式所示:
Pj=(pj1,pj2,...,pjm)。
根据全局最佳位置,整个种群的最佳个体位置如下式所示:
Gj=(gj1,gj2,...,gjm)
每一步的粒子速度及其位置如下式所示:
Vj=w*Vj+d1*s1*(Qj-Yj)+d2*s2*(G-Yj)
Yj=Yj+Vj
从上面的方程中,惯性权重是w,管理粒子速度的影响。随机变量s1和s2均匀分布在[0,1]范围内。用加速度系数控制的最大步长为d1和d2。
根据现有速度,计算粒子群优化算法中的新速度,计算出最佳历史位置和当前位置距离。每个分量值v用粒子搜索空间固定[-vmax,vmax]。粒子将根据公式移动到当前位置。如果满足停止标准,则结束该过程或重复该过程。
局部-全局信息共享能力提高基于改进粒子群算法的全局优化性能。根据粒子数随机初始化粒子速度。然后,计算粒子的适应度值。根据粒子的适应度和位置值,用当前单个信息保存全局最佳粒子,提高全局优化过程的开发和探索速度。局部-全局信息共享,如下式所示:
Vj=w*Vj+d1*s1*(Qj-Yj)+d2*s2*(G-Yj)+d3*s3*|Qj-Yj|
φ3=d3*s3*|Qj-Yj|
利用粒子数算法实现项目成本和时间的最小化。
本发明提供的一种基于工业云平台的项目管理系统及实施方法,实现资源效率更高的智能制造网络,实现制造服务的动态共享,根据面向服务的模式按需提供,从而根据用户的实际需求动态地实现各种分布式资源的便捷共享。在这个框架中,不同的用户能够从制造云中搜索和请求完成所需的服务,并动态地将它们组装成一个制造服务解决方案,该平台采用模块化结构,便于有效的处理和管理,数据库模块专门用于用户实例的获取和存储,智能计算模块首先评估用户实例之间的功能兼容性,执行嵌套操作生成几何配置,最后计算多个属性来生成和描述解决方案,开发一个决策支持模块,以帮助供应商和用户根据特定的解决方案特征因素,如处理时间、能耗、距离成本,选择最佳解决方案,另外基于改进粒子群优化算法,项目时间和成本是目标函数,可使时间与成本最小化,具有较好的稳定性与系统效能。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本发明提出的一种基于工业云平台的项目管理系统,包括:云工业平台、用户、供应商;其中云工业平台包括收集用户输入数据的数据库模块、用于数据处理、优化和可行方案生成的智能模块以及用于方案评估和比较的决策支持模块;
云平台收集用户的制造服务请求和供应商的报价,通过智能决策算法进行处理,根据用户需求找到最佳的制造解决方案。
智能决策算法根据嵌套算法生成方案,每个方案由多个嵌套配置组成,每个嵌套配置包含以下参数:实现配对所需的处理时间、能源消耗以及距离成本。
工业云平台的项目管理系统的数据库模块中,为便于实际应用,数据库的规模不断扩大。由于这些文档是用不同的表达方式用日常语言编写的,如何快速、准确地从数据库中检索出信息仍然是一个巨大的挑战。为提高检索的效率和性能,采用将向量空间模型方法。
数据库模块由三个主要部分组成,处理部分;查询操作部分;检索应用部分。
首先,处理部分从目标集合中自动提取文本信息,通过定义的操作序列处理收集的文本信息,即标记化、将所有单词转换为小写、引理化和删除停止词来建立内容语料库。
其次,查询操作模块通过读取并处理给定的查询。经过处理的查询将被预先扫描,以匹配其在预定义的风险相关词典中相关词的扩展。在预定义的风险相关词汇中找不到的术语通过使用同义词进行扩展。然后,系统扫描原始查询和扩展查询中的术语,删除内容语料库中不存在的术语。
第三,检索应用模块将查询和语料库结合起来,进行查询文档相似度计算。
其中,向量空间模型用于将文本文档表示为标识符向量,并为查询和文档中的索引项分配非二进制权重,用于计算每个文档和查询之间的相似度。查询q和文档dj可以表示为t维向量。对于向量模型,t是索引项的总数,每个维度对应一个单独的索引项。每个向量中的元素wi,j是与术语文档对(ki,dj)相关联的权重,并且和wi,j≥0。其中,如下式所示:
其中fi,j是文档中索引项ki的频率,N是文档集中文档的总数,ni是包含索引项ki的文档的数量。
通过使用向量空间模型和频率逆项文件频率权重,文档dj和查询q之间的相似度量化为如下式所示:
在考虑扩展查询qe的影响后,改进计算查询与相关案例相似度公式如下式所示:
score=sim(dj,qo)+λ×sim(dj,qe)
式中λ为qe效应系数,0<λ<1,取λ=0.7。
对于任何文档dj和查询q之间的相似性计算为如下式所示:
由于q0和qe的共同作用,总体相似度范围为0~1.7。
工业云平台的数据库模块,首先从数据集中提取文本内容信息,并对其进行处理,生成内容语料库。用户输入一个查询后,系统开始读取和处理该查询,结合使用预定义的相关词汇对原始查询进行扩展,过滤出内容语料库中不存在的查询词。最后,将原始查询、扩展查询和内容语料库集合起来进行查询文档相似度计算,并将前10个相似案例返回给用户。
其中,实现配对所需的处理时间如下式所示:
其中,Tp是准备数据所需的时间,Tbja是构建作业装配所需的时间,Ts是设置所需的时间,TBK是配置构建作业的构建时间,TR是从中移除产品所需的时间机器和TMC是更换产品所需的时间。
其中能源消耗的估算如下式所示:
式中,Euc是供应商的单一能源成本,取决于供应商所在地,而P是最大标称功率。TBK考虑预热、冷却和清洁所需的时间。
其中,距离成本根据用户和供应商位置,采用考虑批量体积和重量的距离成本系数,计算每个配对的距离成本Dij。其中距离成本如下式所示:
Dij=δD||Lsj-Lci||。
其中,Lsj和Lcj是供应商和用户的位置,δD是距离成本系数。
进一步的,为减少成本和时间,采用粒子群算法,通过不同资源利用率对决策绩效的影响进行度量和识别,其中基于的工期和成本的主要目标函数如下式所示:
资源利用率m利用持续时间活性j定义Tm。对于线性项目进度计划,资源利用率m利用材料成本上的工期活动j定义为Nj m,每日成本率为Pj m,对于资源利用率m不活动j,供应商成本为Aj m。
粒子群优化算法额随机粒子群通过具有更新生成的优化搜索算法对系统进行初始化,搜索空间由m维组成。多维向量表示第j个粒子群如下式所示:
Yj=(yj1,yj2,...,yjm);
m维矢量表示第j个粒子速度如下式所示:
Vj=(vj1,vj2,...,vjm)。
根据优化问题,评价每个粒子的适应度,基于个体适应度,第j个粒子的最佳位置如下式所示:
Pj=(pj1,pj2,...,pjm)。
根据全局最佳位置,整个种群的最佳个体位置如下式所示:
Gj=(gj1,gj2,...,gjm)
每一步的粒子速度及其位置如下式所示:
Vj=w*Vj+d1*s1*(Qj-Yj)+d2*s2*(G-Yj)
Yj=Yj+Vj
从上面的方程中,惯性权重是w,管理粒子速度的影响。随机变量s1和s2均匀分布在[0,1]范围内。用加速度系数控制的最大步长为d1和d2。
根据现有速度,计算粒子群优化算法中的新速度,计算出最佳历史位置和当前位置距离。每个分量值v用粒子搜索空间固定[-vmax,vmax]。粒子将根据公式移动到当前位置。如果满足停止标准,则结束该过程或重复该过程。
局部-全局信息共享能力提高基于改进粒子群算法的全局优化性能。根据粒子数随机初始化粒子速度。然后,计算粒子的适应度值。根据粒子的适应度和位置值,用当前单个信息保存全局最佳粒子。提高全局优化过程的开发和探索速度。局部-全局信息共享,如下式所示:
Vj=w*Vj+d1*s1*(Qj-Yj)+d2*s2*(G-Yj)+d3*sB*|Qj-Yj|
φ3=d3*s3*|Qj-Yj|
利用粒子数算法实现项目成本和时间的最小化。
本发明提供的一种基于工业云平台的项目管理系统及实施方法,实现资源效率更高的智能制造网络,实现制造服务的动态共享,根据面向服务的模式按需提供,从而根据用户的实际需求动态地实现各种分布式资源的便捷共享。在这个框架中,不同的用户能够从制造云中搜索和请求完成所需的服务,并动态地将它们组装成一个制造服务解决方案,该平台采用模块化结构,便于有效的处理和管理,数据库模块专门用于用户实例的获取和存储,智能计算模块首先评估用户实例之间的功能兼容性,执行嵌套操作生成几何配置,最后计算多个属性来生成和描述解决方案,开发一个决策支持模块,以帮助供应商和用户根据特定的解决方案特征因素,如处理时间、能耗、距离成本,选择最佳解决方案,另外基于改进粒子群优化算法,项目时间和成本是目标函数,可使时间与成本最小化,具有较好的稳定性与系统效能。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (2)
1.一种基于工业云平台的项目管理系统,其特征在于,包括:云工业平台、用户、供应商;其中云工业平台包括收集用户输入数据的数据库模块、用于数据处理、优化和可行方案生成的智能模块以及用于方案评估和比较的决策支持模块;
云平台收集用户的制造服务请求和供应商的报价,通过智能决策算法进行处理,根据用户需求找到最佳的制造解决方案;
智能决策算法根据嵌套算法生成方案,每个方案由多个嵌套配置组成,每个嵌套配置包含以下参数:实现配对所需的处理时间、能源消耗以及距离成本;
其中,实现配对所需的处理时间如下式所示:
其中,Tp是准备数据所需的时间,Tbja是构建作业装配所需的时间,Ts是设置所需的时间,TBK是配置构建作业的构建时间,TR是从中移除产品所需的时间机器和TMC是更换产品所需的时间;
其中能源消耗的估算如下式所示:
式中,Euc是供应商的单一能源成本,取决于供应商所在地,而P是最大标称功率;TBK考虑预热、冷却和清洁所需的时间;
其中,距离成本根据用户和供应商位置,采用考虑批量体积和重量的距离成本系数,计算每个配对的距离成本Dij;其中距离成本如下式所示:
Dij=δD||Lsj-Lci||;
其中,Lsj和Lcj是供应商和用户的位置,δD是距离成本系数;
其中,数据库模块由三个部分组成:处理部分;查询操作部分;检索应用部分;
首先,处理部分从目标集合中自动提取文本信息,通过定义的操作序列处理收集的文本信息,即标记化、将所有单词转换为小写、引理化和删除停止词来建立内容语料库;
其次,查询操作部分通过读取并处理给定的查询;经过处理的查询将被预先扫描,以匹配其在预定义的风险相关词典中相关词的扩展;在预定义的风险相关词汇中找不到的术语通过使用同义词进行扩展;然后,系统扫描原始查询和扩展查询中的术语,删除内容语料库中不存在的术语;
第三,检索应用部分将查询和语料库结合起来,进行查询文档相似度计算;
其中,向量空间模型用于将文本文档表示为标识符向量,并为查询和文档中的索引项分配非二进制权重,用于计算每个文档和查询之间的相似度;查询q和文档dj可以表示为t维向量;对于向量模型,t是索引项的总数,每个维度对应一个单独的索引项;每个向量中的元素wi,j是与术语文档对(ki,dj)相关联的权重,并且和wi,j≥0;其中,如下式所示:
其中fi,j是文档中索引项ki的频率,N是文档集中文档的总数,ni是包含索引项ki的文档的数量;
通过使用向量空间模型和频率逆项文件频率权重,文档dj和查询q之间的相似度量化为如下式所示:
在考虑扩展查询qe的影响后,改进计算查询与相关案例相似度公式如下式所示:
score=sim(dj,qo)+λ×sim(dj,qe)
式中λ为qe效应系数,0<λ<1,取λ=0.7;
对于任何文档dj和查询q之间的相似性计算为如下式所示:
由于q0和qe的共同作用,总体相似度范围为0~1.7。
2.如权利要求1-2所述的一种基于工业云平台的项目管理系统,其特征在于,为减少成本和时间,采用粒子群算法,通过不同资源利用率对决策绩效的影响进行度量和识别,其中基于的工期和成本的主要目标函数如下式所示:
资源利用率m利用持续时间活性j定义Tm;对于线性项目进度计划,资源利用率m利用材料成本上的工期活动j定义为Nj m,每日成本率为Pj m,对于资源利用率m不活动j,供应商成本为Aj m;
粒子群优化算法额随机粒子群通过具有更新生成的优化搜索算法对系统进行初始化,搜索空间由m维组成;多维向量表示第j个粒子群如下式所示:
Yj=(yj1,yj2,...,yjm);
m维矢量表示第j个粒子速度如下式所示:
Vj=(vj1,vj2,...,vjm);
根据优化问题,评价每个粒子的适应度,基于个体适应度,第j个粒子的最佳位置如下式所示:
Pj=(pj1,pj2,...,pjm);
根据全局最佳位置,整个种群的最佳个体位置如下式所示:
Gj=(gj1,gj2,...,gjm)
每一步的粒子速度及其位置如下式所示:
Vj=w*Vj+d1*S1*(Qj-Yj)+d2*S2*(G-Yj)
Vj=Yj+Vj
从上面的方程中,惯性权重是w,管理粒子速度的影响;随机变量s1和s2均匀分布在[0,1]范围内;用加速度系数控制的最大步长为d1和d2;
根据现有速度,计算粒子群优化算法中的新速度,计算出最佳历史位置和当前位置距离;每个分量值v用粒子搜索空间固定[-vmax,vmax];粒子将根据公式移动到当前位置;如果满足停止标准,则结束该过程或重复该过程;
局部-全局信息共享能力提高基于改进粒子群算法的全局优化性能;根据粒子数随机初始化粒子速度;然后,计算粒子的适应度值;根据粒子的适应度和位置值,用当前单个信息保存全局最佳粒子,提高全局优化过程的开发和探索速度;局部-全局信息共享,如下式所示:
Vj=w*Vj+d1*S1*(Qj-Yj)+d2*S2*(G-Yj)+d3*s3*|Qj-Yj|
φ3=d3*S3*|Qj-Yj|
利用粒子数算法实现项目成本和时间的最小化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110196158.0A CN112837041A (zh) | 2021-02-22 | 2021-02-22 | 一种基于工业云平台的项目管理系统及实施方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110196158.0A CN112837041A (zh) | 2021-02-22 | 2021-02-22 | 一种基于工业云平台的项目管理系统及实施方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112837041A true CN112837041A (zh) | 2021-05-25 |
Family
ID=75932854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110196158.0A Pending CN112837041A (zh) | 2021-02-22 | 2021-02-22 | 一种基于工业云平台的项目管理系统及实施方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112837041A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102780765A (zh) * | 2012-06-27 | 2012-11-14 | 浙江大学 | 一种基于性能融合的云制造服务资源匹配与组合方法 |
CN107220841A (zh) * | 2016-03-22 | 2017-09-29 | 上海市玻森数据科技有限公司 | 一种基于商业数据的聚类系统 |
CN108090077A (zh) * | 2016-11-23 | 2018-05-29 | 中国科学院沈阳计算技术研究所有限公司 | 一种基于自然语言检索的综合相似度计算方法 |
CN110599068A (zh) * | 2019-09-29 | 2019-12-20 | 哈尔滨理工大学 | 一种基于粒子群优化算法的云资源调度方法 |
CN112364889A (zh) * | 2020-10-20 | 2021-02-12 | 重庆大学 | 一种基于云平台的制造资源智能匹配系统 |
-
2021
- 2021-02-22 CN CN202110196158.0A patent/CN112837041A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102780765A (zh) * | 2012-06-27 | 2012-11-14 | 浙江大学 | 一种基于性能融合的云制造服务资源匹配与组合方法 |
CN107220841A (zh) * | 2016-03-22 | 2017-09-29 | 上海市玻森数据科技有限公司 | 一种基于商业数据的聚类系统 |
CN108090077A (zh) * | 2016-11-23 | 2018-05-29 | 中国科学院沈阳计算技术研究所有限公司 | 一种基于自然语言检索的综合相似度计算方法 |
CN110599068A (zh) * | 2019-09-29 | 2019-12-20 | 哈尔滨理工大学 | 一种基于粒子群优化算法的云资源调度方法 |
CN112364889A (zh) * | 2020-10-20 | 2021-02-12 | 重庆大学 | 一种基于云平台的制造资源智能匹配系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zamani et al. | From neural re-ranking to neural ranking: Learning a sparse representation for inverted indexing | |
JP5805188B2 (ja) | 照会結果をソートするための方法および装置 | |
CA2808217A1 (en) | Method of graph processing | |
CN109359115B (zh) | 基于图数据库的分布式存储方法、装置及系统 | |
CN108399213B (zh) | 一种面向用户个人文件的聚类方法及系统 | |
KR102473155B1 (ko) | 대화형 정보 제공 서비스 방법 및 이를 위한 장치 | |
Arvanitis et al. | Efficient influence-based processing of market research queries | |
CN114399251A (zh) | 基于语义网和簇偏好的冷链物流推荐方法及装置 | |
CN110413865A (zh) | 基于双向编码器表征模型的语义表示模型及其方法 | |
Sun et al. | An efficient hierarchical clustering method for large datasets with map-reduce | |
CN103902549A (zh) | 搜索数据排序的方法和装置,数据搜索的方法和装置 | |
CN110580252B (zh) | 多目标优化下的空间对象索引与查询方法 | |
CN108491628B (zh) | 产品设计需求驱动的三维cad装配模型聚类及检索方法 | |
CN101840438B (zh) | 面向源文献元关键词的检索系统 | |
Basha et al. | An improved similarity matching based clustering framework for short and sentence level text | |
CN112837041A (zh) | 一种基于工业云平台的项目管理系统及实施方法 | |
CN102831241A (zh) | 产品逆向工程数据动态索引多目标自适应构建方法 | |
Li et al. | Mux-Kmeans: multiplex Kmeans for clustering large-scale data set | |
CN108805463A (zh) | 一种支持削峰型电力需求响应的生产调度方法 | |
CN115496133A (zh) | 基于自适应在线学习的密度数据流聚类方法 | |
Mohotti et al. | An efficient ranking-centered density-based document clustering method | |
CN110717100B (zh) | 基于高斯嵌入表示技术的上下文感知推荐方法 | |
Bachiega et al. | An architecture for cost optimization in the processing of big geospatial data in public cloud providers | |
CN108304449B (zh) | 基于自适应数据集划分方式的大数据Top-k查询方法 | |
CN113536085A (zh) | 基于组合预测法的主题词搜索爬虫调度方法及其系统 |
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 |