CN115271227A - 云环境下的资源调度方法 - Google Patents

云环境下的资源调度方法 Download PDF

Info

Publication number
CN115271227A
CN115271227A CN202210935539.0A CN202210935539A CN115271227A CN 115271227 A CN115271227 A CN 115271227A CN 202210935539 A CN202210935539 A CN 202210935539A CN 115271227 A CN115271227 A CN 115271227A
Authority
CN
China
Prior art keywords
manufacturing
product
time
cloud
requirements
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.)
Withdrawn
Application number
CN202210935539.0A
Other languages
English (en)
Inventor
李勋章
柯捷
魏士伟
张亚红
莫静容
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.)
Guilin University of Aerospace Technology
Original Assignee
Guilin University of Aerospace 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 Guilin University of Aerospace Technology filed Critical Guilin University of Aerospace Technology
Priority to CN202210935539.0A priority Critical patent/CN115271227A/zh
Publication of CN115271227A publication Critical patent/CN115271227A/zh
Withdrawn legal-status Critical Current

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (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

本发明公开了云环境下的资源调度方法，S1、提出云制造环境下涵盖从客户提交制造请求到制造完成的产品定制模式，S2、建立由所有产品制造时间总和最小、制造总成本最低和总合格率最高组成的多目标优化函数。本发明提出产品定制模式，实现制造需求的再分配，形成大规模定制需求到云制造服务供应商之间的高效转换，通过这种方式在生产过程中使某些个性化要求的任务形成规模，便于生产和运输，解决了大规模定制中因个性化产品需求过多导致批量不足而增加生产成本问题，建立由所有产品制造时间总和最小、制造总成本最低和总合格率最高组成的多目标优化函数，最终实现整个调度过程的最优化，同时解决制造成本、质量、时间的调度问题。

Description

云环境下的资源调度方法
技术领域
本发明涉及云制造环境技术领域，具体为云环境下的资源调度方法。
背景技术
云环境是指能够从动态虚拟化的资源池中向用户或者各种应用系统按需提供计算能力、存储能力或者虚拟机服务等的互联网或者大数据环境；云制造环境是基于云计算、物联网、大数据、面向服务技术等新兴信息技术发展起来的一种新的制造模式，基于“分散资源集中使用，集中资源分散服务”思想，为制造业的发展提供了新的方向，在云制造系统运行过程中，制造需求具有个性化特点，与大规模产品定制中的客户需求个性化不谋而合。
现有技术中，如中国专利申请号为：CN111880923A的“一种云环境下的资源调度策略方法”，包括预处理、获取全局负载、监测、判断、获取任务、任务暂停和任务恢复，该发明结构科学合理，使用安全方便，考虑到Reduce阶段的实际执行过程中，受节点资源、负载分布、计算复杂度等多种因素的影响导致不同节点的实际处理时间不同的问题，利用Reduce阶段准备数据的过程进行统计，获取每个节点的负载，进而使调度器获取整个集群的负载分布，调度器根据负载分布情况对负载较重节点进行调度以平衡集群负载；同时添加了反馈机制以获取用于估计任务处理进度的节点处理速度信息，利用处理进度取代负载量指导任务调度，从而提高在异构环境下调度策略的精确度。
现如今以较低成本提供高质量产品是企业的经营目标之一，而大规模产品定制的核心能力表现为降低成本、高效地为顾客提供商品，大规模定制生产呈现出多品种、小批量以及快速响应的特性，然而随着顾客需求越来越偏向个性化发展，大规模定制的理念和规范化产品定位难以适应这种变化，普遍存在大规模定制产品需求个性化不足的问题，同时因大规模定制生产中个性化需求过多，也会导致批量不足而增加成本和时间。
所以我们提出了云环境下的资源调度方法，以便于解决上述中提出的问题。
发明内容
本发明的目的在于提供云环境下的资源调度方法，以解决上述背景技术提出的现有的随着顾客需求越来越偏向个性化发展，大规模定制的理念和规范化产品定位难以适应这种变化，普遍存在大规模定制产品需求个性化不足的问题，同时因大规模定制生产中个性化需求过多，也会导致批量不足而增加成本和时间的问题；本发明提出产品定制模式，实现制造需求的再分配，形成大规模定制需求到云制造服务供应商之间的高效转换，通过这种方式在生产过程中使某些个性化要求的任务形成规模，便于生产和运输，解决了大规模定制中因个性化产品需求过多导致批量不足而增加生产成本问题，建立由所有产品制造时间总和最小、制造总成本最低和总合格率最高组成的多目标优化函数，最终实现整个调度过程的最优化，同时解决制造成本、质量、时间的调度问题。
为实现上述目的，本发明提供如下技术方案：云环境下的资源调度方法，包括以下步骤：
S1、提出云制造环境下涵盖从客户提交制造请求到制造完成的产品定制模式；
S2、建立由所有产品制造时间总和最小、制造总成本最低和总合格率最高组成的多目标优化函数；
S3、使用NSGA-Ⅱ算法对其进行求解。
优选的，在步骤S1中，所述云制造环境下大规模定制组织模式包括以下步骤：
S10、需求收集过程：客户登录云平台，发布产品制造需求；
S11、需求分解过程：云制造平台通过云计算对客户需求进行分类，先根据内部零部件构成，把每种产品分解成多种制造子任务；
S12、需求重建过程：运用成组技术并根据内部零部件的相似构成，对不同产品的相似制造子任务进行归类整合；
S13、对整合完毕的制造任务寻找最合适的供应商生产制造。
优选的，在步骤S12中，所述子任务进行归类整合是利用成组技术相关知识，在计划加工工序时主要针对整个零件系列，之后再基于相同的制造服务规范，进一步将制造需求与制造服务供应商目录建立映射。
优选的，在步骤S2中，所述建立多目标优化函数包括以下步骤：
S20、假设同时有多个客户在云平台发布不同产品制造需求，不同产品依次对应不同编号，产品制造需求编号集合为N＝{1,2,3，...,n}；
S21、每种产品制造需求在云平台进行零件制造任务分解，产品制造子任务集合为
Figure BDA0003781839270000031
i表示针对某一产品需求进行任务分解时的编号，i∈N+，m表示经过归类整合后的任务编号，m∈N+；
S22、分别从制造总时间、制造总成本以及质量三方面建立多目标优化函数，实现整个调度过程的最优化。
优选的，在步骤S22中，所述从制造总时间、制造总成本以及质量三方面建立多目标优化函数包括以下步骤：
S220、计算所有产品需求制造总时间，计算公式如下：
Figure BDA0003781839270000032
其中，
Figure BDA0003781839270000033
表示产品n中所需生产制造时间最长的子任务i在j供应商处的制造时间，
Figure BDA0003781839270000041
表示完成产品n的第i个子任务产生的物流时间，atni表示i子任务的装配用时；
S221、计算所有产品需求总制造成本，计算公式如下：
Figure BDA0003781839270000042
其中，acni为装配成本，
Figure BDA0003781839270000043
表示供应商j制造产品n的第i个子任务的制造成本，
Figure BDA0003781839270000044
表示完成第i个子任务的物流成本，
Figure BDA0003781839270000045
为一个决策变量；
S222、计算所有产品制造总质量，计算公式如下：
Figure BDA0003781839270000046
其中，wi为权重系数，
Figure BDA0003781839270000047
Figure BDA0003781839270000048
表示第m个任务，第j个供应商的生产质量。
优选的，在步骤S222中，约束条件为：每种产品的完成时间不能超过客户要求的时间，且每种产品的质量不能低于客户所要求的产品质量。
优选的，在步骤S3中，所述使用NSGA-Ⅱ算法对其进行求解包括以下步骤：
S30、对种群进行初始化，按整数编码的方式对染色体进行多层编码，每个染色体的编码表示一个具有二维特征的可行解，染色体前段表示子任务编号，后段表示对应的供应商编号；
S31、对初始种群中的个体进行优胜级别排序，级别越低表示其适应度越高，形成子代种群；
S32、对子代种群和初级种群进行拥挤距离排序和优胜关系排序，循环至满足条件停止。
优选的，在步骤S30中，产品n的子任务总数为i，子任务ni对应的供应商为mj时，每个染色体的长度为
Figure BDA0003781839270000051
与现有技术相比，本发明的有益效果是：
本发明中的云环境下的资源调度方法，可以结合云制造环境，提出云制造环境下涵盖从客户提交制造请求到制造完成的产品定制模式，实现制造需求的再分配，形成大规模定制需求到云制造服务供应商之间的高效转换，从而统一寻找合适的供应商，通过这种方式，可在生产过程中使某些个性化要求的任务形成规模，便于生产和运输，解决了传统的大规模定制中因个性化产品需求过多导致批量不足而增加生产成本问题；建立由所有产品制造时间总和最小、制造总成本最低和总合格率最高组成的多目标优化函数，并使用NSGA-Ⅱ算法对其进行求解，从而验证了资源调度模型的实用性和有效性，最终实现整个调度过程的最优化，同时解决制造成本、质量、时间的调度问题。
附图说明
图1为本发明云环境下的资源调度方法的流程图。
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，所描述的实施条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。
请参阅图1，本发明提供一种技术方案：云环境下的资源调度方法，包括以下步骤：
步骤一、提出云制造环境下涵盖从客户提交制造请求到制造完成的产品定制模式，包括以下步骤：
10)需求收集过程：客户登录云平台，发布产品制造需求；
11)需求分解过程：云制造平台通过云计算对客户需求进行分类，先根据内部零部件构成，把每种产品分解成多种制造子任务；
12)需求重建过程：运用成组技术并根据内部零部件的相似构成，对不同产品的相似制造子任务进行归类整合；
13)对整合完毕的制造任务寻找最合适的供应商生产制造，子任务进行归类整合是利用成组技术相关知识，在计划加工工序时主要针对整个零件系列，之后再基于相同的制造服务规范，进一步将制造需求与制造服务供应商目录建立映射。
步骤二、建立由所有产品制造时间总和最小、制造总成本最低和总合格率最高组成的多目标优化函数，包括以下步骤：
20)假设同时有多个客户在云平台发布不同产品制造需求，不同产品依次对应不同编号，产品制造需求编号集合为N＝{1,2,3，...,n}；
21)每种产品制造需求在云平台进行零件制造任务分解，产品制造子任务集合为
Figure BDA0003781839270000061
i表示针对某一产品需求进行任务分解时的编号，i∈N+，m表示经过归类整合后的任务编号，m∈N+；
22)分别从制造总时间、制造总成本以及质量三方面建立多目标优化函数，实现整个调度过程的最优化，包括以下步骤：
220)计算所有产品需求制造总时间，计算公式如下：
Figure BDA0003781839270000062
其中，
Figure BDA0003781839270000063
表示产品n中所需生产制造时间最长的子任务i在j供应商处的制造时间，
Figure BDA0003781839270000071
表示完成产品n的第i个子任务产生的物流时间，atni表示i子任务的装配用时；
221)计算所有产品需求总制造成本，计算公式如下：
Figure BDA0003781839270000072
其中，acni为装配成本，
Figure BDA0003781839270000073
表示供应商j制造产品n的第i个子任务的制造成本，
Figure BDA0003781839270000074
表示完成第i个子任务的物流成本，
Figure BDA0003781839270000075
为一个决策变量；
222)计算所有产品制造总质量，计算公式如下：
Figure BDA0003781839270000076
其中，wi为权重系数，
Figure BDA0003781839270000077
Figure BDA0003781839270000078
表示第m个任务，第j个供应商的生产质量，约束条件为：每种产品的完成时间不能超过客户要求的时间，且每种产品的质量不能低于客户所要求的产品质量。
步骤三、使用NSGA-Ⅱ算法对其进行求解，包括以下步骤：
30)对种群进行初始化，按整数编码的方式对染色体进行多层编码，每个染色体的编码表示一个具有二维特征的可行解，染色体前段表示子任务编号，后段表示对应的供应商编号，产品n的子任务总数为i，子任务ni对应的供应商为mj时，每个染色体的长度为
Figure BDA0003781839270000079
31)对初始种群中的个体进行优胜级别排序，级别越低表示其适应度越高，形成子代种群；
32)对子代种群和初级种群进行拥挤距离排序和优胜关系排序，循环至满足条件停止。
本方法可以结合云制造环境，提出云制造环境下涵盖从客户提交制造请求到制造完成的产品定制模式，实现制造需求的再分配，通过这种方式，可在生产过程中使某些个性化要求的任务形成规模，便于生产和运输，建立由所有产品制造时间总和最小、制造总成本最低和总合格率最高组成的多目标优化函数，并使用NSGA-Ⅱ算法对其进行求解，从而验证了资源调度模型的实用性和有效性。
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.云环境下的资源调度方法，其特征在于，包括以下步骤：
S1、提出云制造环境下涵盖从客户提交制造请求到制造完成的产品定制模式；
S2、建立由所有产品制造时间总和最小、制造总成本最低和总合格率最高组成的多目标优化函数；
S3、使用NSGA-Ⅱ算法对其进行求解。
2.根据权利要求1所述的云环境下的资源调度方法，其特征在于，在步骤S1中，所述云制造环境下大规模定制组织模式包括以下步骤：
S10、需求收集过程：客户登录云平台，发布产品制造需求；
S11、需求分解过程：云制造平台通过云计算对客户需求进行分类，先根据内部零部件构成，把每种产品分解成多种制造子任务；
S12、需求重建过程：运用成组技术并根据内部零部件的相似构成，对不同产品的相似制造子任务进行归类整合；
S13、对整合完毕的制造任务寻找最合适的供应商生产制造。
3.根据权利要求2所述的云环境下的资源调度方法，其特征在于，在步骤S12中，所述子任务进行归类整合是利用成组技术相关知识，在计划加工工序时主要针对整个零件系列，之后再基于相同的制造服务规范，进一步将制造需求与制造服务供应商目录建立映射。
4.根据权利要求1所述的云环境下的资源调度方法，其特征在于，在步骤S2中，所述建立多目标优化函数包括以下步骤：
S20、假设同时有多个客户在云平台发布不同产品制造需求，不同产品依次对应不同编号，产品制造需求编号集合为N＝{1,2,3，...,n}；
S21、每种产品制造需求在云平台进行零件制造任务分解，产品制造子任务集合为
Figure FDA0003781839260000011
i表示针对某一产品需求进行任务分解时的编号，i∈N+，m表示经过归类整合后的任务编号，m∈N+；
S22、分别从制造总时间、制造总成本以及质量三方面建立多目标优化函数，实现整个调度过程的最优化。
5.根据权利要求4所述的云环境下的资源调度方法，其特征在于，在步骤S22中，所述从制造总时间、制造总成本以及质量三方面建立多目标优化函数包括以下步骤：
S220、计算所有产品需求制造总时间，计算公式如下：
Figure FDA0003781839260000021
其中，
Figure FDA0003781839260000022
表示产品n中所需生产制造时间最长的子任务i在j供应商处的制造时间，
Figure FDA0003781839260000023
表示完成产品n的第i个子任务产生的物流时间，atni表示i子任务的装配用时；
S221、计算所有产品需求总制造成本，计算公式如下：
Figure FDA0003781839260000024
其中，acni为装配成本，
Figure FDA0003781839260000025
表示供应商j制造产品n的第i个子任务的制造成本，
Figure FDA0003781839260000026
表示完成第i个子任务的物流成本，
Figure FDA0003781839260000027
为一个决策变量；
S222、计算所有产品制造总质量，计算公式如下：
Figure FDA0003781839260000028
其中，wi为权重系数，
Figure FDA0003781839260000029
Figure FDA00037818392600000210
表示第m个任务，第j个供应商的生产质量。
6.根据权利要求5所述的云环境下的资源调度方法，其特征在于，在步骤S222中，约束条件为：每种产品的完成时间不能超过客户要求的时间，且每种产品的质量不能低于客户所要求的产品质量。
7.根据权利要求1所述的云环境下的资源调度方法，其特征在于，在步骤S3中，所述使用NSGA-Ⅱ算法对其进行求解包括以下步骤：
S30、对种群进行初始化，按整数编码的方式对染色体进行多层编码，每个染色体的编码表示一个具有二维特征的可行解，染色体前段表示子任务编号，后段表示对应的供应商编号；
S31、对初始种群中的个体进行优胜级别排序，级别越低表示其适应度越高，形成子代种群；
S32、对子代种群和初级种群进行拥挤距离排序和优胜关系排序，循环至满足条件停止。
8.根据权利要求7所述的云环境下的资源调度方法，其特征在于，在步骤S30中，产品n的子任务总数为i，子任务ni对应的供应商为mj时，每个染色体的长度为
Figure FDA0003781839260000031
CN202210935539.0A 2022-08-04 2022-08-04 云环境下的资源调度方法 Withdrawn CN115271227A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210935539.0A CN115271227A (zh) 2022-08-04 2022-08-04 云环境下的资源调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210935539.0A CN115271227A (zh) 2022-08-04 2022-08-04 云环境下的资源调度方法

Publications (1)

Publication Number Publication Date
CN115271227A true CN115271227A (zh) 2022-11-01

Family

ID=83748540

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210935539.0A Withdrawn CN115271227A (zh) 2022-08-04 2022-08-04 云环境下的资源调度方法

Country Status (1)

Country Link
CN (1) CN115271227A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117035703A (zh) * 2023-10-08 2023-11-10 北京建筑大学 一种面向云制造的企业间协同调度优化方法、系统及设备
CN117709697A (zh) * 2024-02-06 2024-03-15 太原科技大学 一种云制造环境下面向资源调度的调控系统及方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117035703A (zh) * 2023-10-08 2023-11-10 北京建筑大学 一种面向云制造的企业间协同调度优化方法、系统及设备
CN117035703B (zh) * 2023-10-08 2024-02-02 北京建筑大学 一种面向云制造的企业间协同调度优化方法、系统及设备
CN117709697A (zh) * 2024-02-06 2024-03-15 太原科技大学 一种云制造环境下面向资源调度的调控系统及方法
CN117709697B (zh) * 2024-02-06 2024-04-19 太原科技大学 一种云制造环境下面向资源调度的调控系统及方法

Similar Documents

Publication Publication Date Title
CN110059942B (zh) 一种基于模糊多目标优化的云制造资源服务优化调度方法
CN115271227A (zh) 云环境下的资源调度方法
CN109800071A (zh) 一种基于改进遗传算法的云计算任务调度方法
CN108009023A (zh) 混合云中基于bp神经网络时间预测的任务调度方法
CN109819047B (zh) 一种基于激励机制的移动边缘计算资源分配方法
CN104239144A (zh) 一种多级分布式任务处理系统
Li et al. Production task queue optimization based on multi-attribute evaluation for complex product assembly workshop
CN106126323A (zh) 基于云平台的实时任务调度方法
CN112579273B (zh) 任务调度方法及装置、计算机可读存储介质
CN109523178A (zh) 一种面向电力通信现场的运维方法及装置
TWI311289B (zh)
CN109559033B (zh) 一种面向云设计制造模式的社交化团队成员优选方法
CN113361980A (zh) 一种大数据资产价值评估的系统和方法
Mohanavelu et al. Simulation modelling and development of analytic hierarchy process-based priority dispatching rule for a dynamic press shop
CN108769105A (zh) 一种云环境下的知识服务多任务调度优化方法及其构建的调度系统
Azimzadeh et al. Multi-objective job scheduling algorithm in cloud computing based on reliability and time
Zhou et al. DPS: Dynamic pricing and scheduling for distributed machine learning jobs in edge-cloud networks
Manavi et al. Resource allocation in cloud computing using genetic algorithm and neural network
Thenarasu et al. Multi-criteria scheduling of realistic flexible job shop: a novel approach for integrating simulation modelling and multi-criteria decision making
CN103903070B (zh) 应用系统资源需求测算系统
CN104869154A (zh) 统筹资源可信度与用户满意度的分布式资源调度方法
Nematpour et al. Enhanced genetic algorithm with some heuristic principles for task graph scheduling
CN117094435A (zh) 一种云制造自适应鲁棒服务组合与优化选择新方法
CN105872109A (zh) 云平台负载运行方法
Prado et al. On providing quality of service in grid computing through multi-objective swarm-based knowledge acquisition in fuzzy schedulers

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20221101