面向个性化定制需求的异构制造资源服务组合优化方法

工业制造任务日趋复杂，组件服务组合优化问题相关的指标日益增多，需要综合考虑各个评价指标，从备选服务中筛选出最优服务组合。本文针对工业制造的特点，从服务成本、服务时间等服务质量(QoS)指标构建了组件服务评价指标体系。为了处理高维多目标优化问题并针对非支配排序遗传算法(NSGA-Ⅱ)只能求得最优解集的特点，本文提出改进ε-约束策略融合Pareto支配改进NSGA-Ⅱ算法，并将NSGA-Ⅱ和模糊决策相结合，利用模糊决策从最优解集中寻找最优解。

近年来，工业与城市互联网环境工业软件系统具有规模庞大、涵盖的软件组件与设备实体繁杂异构、跨平台、跨操作系统、跨编程语言、跨网络，跨IT/OT 域集成等典型特征，工业软件组件实现对繁杂异构软件组件与设备实体进行服务化、组件化、标准化封装，提供统一的互操作访问接口，从而支撑灵活敏捷的大型工业软件系统构建开发。随着工业制造复杂程度的提高以及个性化需求增多，实现制造资源与组件服务的最优组合与配置，避免资源的闲置与浪费，是促进工业制造模式向传统制造产业深度融合与应用的关键技术之一。

服务组合是在制造环境下完成制造任务的主要实现方式，如何从大量服务组合中选择出最符合要求的服务组合方案，是目前服务组合面临的难题。国内外学者对服务组合优化问题不断探索，取得了一定的研究成果。Liu 等人[1]提出了一种基于相似度的可信度计算模型，并通过相似度的倒数将其与QoS 发布值相结合，使Web 服务的QoS 满足实际运行效果。Arunachalam 等人[2]提出了一种基于改进余弦相似度的Web 服务组合人工蜂群优化方案， 从响应式服务组合过程中生成的工作流建模图中确定最优候选服务解决方案。尹超等人[3]通过建立包括非功能属性与历史评价属性的云制造服务评价指标体系来评估服务优选组合过程。翟振坤[4]提出一种扩展型 NSGA-II 算法，通过改进协同进化算子和次优解筛选机制， 提高 NSGA-II 在复杂优化问题应用环境中的算法性能。

在工业制造环境中，针对同一个子任务有大量功能属性相同但非功能属性不同的组件服务，组件服务的非功能性属性通常用QoS (服务质量)来描述[5]。在实际应用中，组件服务的QoS 指标众多，QoS 指标间往往是相互冲突的，且转化为单目标优化问题进行求解时极容易陷入局部最优解。本文综合考虑工业制造环境下的情况，提出了一种新的组件服务组合数学模型，该模型以服务时间、服务成本、服务可用性、服务能耗、服务满意度为指标体系，运用基于ε-约束法的NSGA-Ⅱ算法对该模型进行求解，使算法能够更好地处理高维多目标优化问题并消除量纲影响。对于求得的Pareto 解集，采用模糊决策法对解集中的所有组合方案进行评估，为选取最优服务组合提供参考。