本书系统地总结和归纳作者团队在制造云服务组合领域的研究成果，主要从用户多样化的优化目标、制造任务执行过程的稳定性和性能优异的群智能优化算法三个角度，着重介绍制造云服务组合的问题分析与描述、数学建模、优化算法设计、算例验证等技术。同时，面向云边端智能制造系统的需求动态变更和随机生产扰动问题，提出多层动态生产调度方法进行实时的资源配置和任务调度。通过团队在机械加工和大型无人机制造等领域的应用案例，描述上述技术的适用场景和应用效果。
样章试读
目录
- 目录
“新一代人工智能理论、技术及应用丛书”序
序
前言
第1章 绪论 1
1.1 云制造的主要内容 2
1.1.1 云制造的概念 2
1.1.2 云制造的特征 2
1.1.3 云制造系统的体系架构 4
1.1.4 云制造平台的运营模式 5
1.1.5 云制造与已有服务模式的区别 6
1.1.6 云制造任务的执行过程 7
1.2 面向机加工的任务与资源建模 9
1.2.1 基于特征的描述方法 9
1.2.2 机加工任务需求建模 10
1.2.3 机加工制造资源建模 13
1.3 面向大型无人机的任务与资源建模 17
1.3.1 云制造环境下大型无人机制造任务需求分析 17
1.3.2 云制造环境下大型无人机制造任务分解与建模 19
1.3.3 面向大型无人机的制造资源建模 21
1.4 制造云服务组合 23
1.5 群智能优化技术 25
1.6 制造云服务组合及优化的研究现状 26
1.6.1 服务组合优化的研究现状 26
1.6.2 群智能优化算法的研究现状 29
1.6.3 当前研究存在的不足 30
参考文献 32
第2章 QoS感知的制造云服务组合 37
2.1 QoS感知的制造云服务数学模型 37
2.2 基于动态蚁群-遗传算法的MCSC优化算法 38
2.3 算例分析 44
参考文献 50
第3章 典型多目标制造云服务组合及优化 51
3.1 能耗感知的MCSC模型及算法 51
3.1.1 能耗感知的问题描述及建模 51
3.1.2 改进的灰狼算法 52
3.1.3 实验与结果分析 54
3.2 QoS-能耗双目标MCSC模型及算法 60
3.2.1 QoS-能耗双目标问题描述及建模 60
3.2.2 增强的多目标灰狼算法 61
3.2.3 QoS-能耗双目标实验及结果分析 65
3.3 QoS-鲁棒性双目标MCSC模型及算法 76
3.3.1 QoS-鲁棒性双目标问题描述及建模 76
3.3.2 加强的多目标灰狼算法 78
3.3.3 QoS-鲁棒性双目标实验及结果分析 81
3.4 考虑云制造三方利益的MCSC模型及算法 95
3.4.1 问题描述及建模 96
3.4.2 增强的多目标水母算法 100
3.4.3 实验与结果分析 106
参考文献 113
第4章 面向制造云服务异常处理的自适应调整方法 116
4.1 任务执行过程中的服务异常 116
4.1.1 云制造服务组合自适应调整框架 116
4.1.2 异常的发现 117
4.1.3 异常信息分析识别 119
4.1.4 调整策略制定 122
4.2 服务组合异常处理模型 126
4.2.1 问题描述及相关假设 126
4.2.2 调整算法的数学模型 126
4.2.3 目标函数的建立 130
4.3 基于改进蚁群算法的服务组合异常处理模型求解 131
4.3.1 算法参数 132
4.3.2 云制造服务替换算法 132
4.4 算例验证 135
4.4.1 仿真条件 135
4.4.2 实验与结果分析 138
参考文献 142
第5章 预-反应式制造云服务组合方法 143
5.1 鲁棒性制造云服务组合建模 143
5.1.1 云制造服务组合过程 143
5.1.2 执行过程中的制造服务异常 144
5.1.3 云制造服务组合鲁棒优选模型 146
5.2 基于gABC-GWO算法的鲁棒性MCSC模型求解 147
5.2.1 针对rMCSC问题提出的ABC算法 147
5.2.2 针对rMCSC问题提出的gABC算法 149
5.2.3 实验与结果分析 153
5.3 数字线索驱动的预-反应式制造云服务组合方法 163
5.3.1 总体方案 163
5.3.2 PRSC流程 163
5.3.3 数字线索设计 165
5.3.4 鲁棒性前摄服务组合 165
5.3.5 反应性服务组合调整 167
5.3.6 求解方法 168
5.4 工程应用案例验证 171
5.4.1 仿真实验 171
5.4.2 实际案例 174
参考文献 177
第6章 现场-工厂混合制造模式下制造云服务组合及优化 179
6.1 现场制造过程及FSRS-CMfg问题建模 179
6.1.1 现场服务过程 180
6.1.2 云制造现场服务资源调度过程 181
6.1.3 CMFSRS问题建模 182
6.2 基于MPCCGWO算法的FSRS-CMfg模型求解 185
6.2.1 编码与解码 185
6.2.2 GWO离散搜索操作设计 186
6.2.3 多种群竞争协作策略 188
6.2.4 实验与结果分析 191
6.3 现场-工厂混合制造过程及问题建模 197
6.3.1 现场-工厂混合制造模式 197
6.3.2 云平台支撑的现场-工厂混合服务调度过程 199
6.3.3 CSHSSP的优化目标设计 201
6.4 现场-工厂混合制造过程及CSHSSP模型求解 204
6.4.1 编码与解码 204
6.4.2 MOJS 206
6.4.3 EMOJS 207
6.4.4 EMOJS程序 209
6.4.5 算法的对比实验 211
6.4.6 混合服务模式验证 219
参考文献 221
第7章 面向云-边-端架构制造系统的多层动态生产调度方法 223
7.1 云-边-端协同的制造过程分析 223
7.2 MLDPS分析与建模 225
7.2.1 MLDPS过程 225
7.2.2 数学模型 225
7.3 基于深度强化学习的MLDPS模型求解 229
7.3.1 GO智能体 230
7.3.2 RSO智能体 233
7.3.3 MDDPG算法 235
7.4 算例验证 237
7.4.1 实验环境 237
7.4.2 训练与验证 238
7.4.3 与单一启发式规则比较 240
参考文献 242
京公网安备 11010102004214号