基于混合任务网络的智慧制造任务协同分配模型
复杂任务场景下,由于制造子任务间存在多维的物料、信息、知识交互和传递关系,对匹配服务单元间的协同能力提出一致性要求,任务关系与服务协同关联匹配不精确将带来额外协调和交互成本,降低资源配置效率,而传统任务分配模型忽视任务关系约束对分配结果的影响.鉴于此,通过任务网络与服务协同网络的动态匹配,构建了面向任务关系约束的任务协同分配方法.针对“好钢未用在刀刃上”现象,综合用户偏好和网络中心性分配任务权重,提出基于权重的服务胜任度聚合方法;针对“1+1＜2”不协同现象,提出基于横向协同和纵向协同的服务协同水平计算方法;综合考虑服务群体的胜任度和协同水平,提出基于混合任务网络的多目标任务分配优化数学模型.利用改进非支配粒子群算法进行求解得到Pareto最优解集,根据用户偏好和实际制造情形,通过加权TOPSIS评估获取个性化、灵活的最佳分配方案.运用汽车云制造仿真实验,验证了模型的有效性,通过在最好解、平均解和运行时间上与其他算法进行对比,分析了所提方法的优势.
混合任务网络、任务分配、多目标优化、加权TOPSIS
24
TP393(计算技术、计算机技术)
国家自然科学基金重点资助项目71531008,71271073. Project supported by the National Natural Science Foundation,China71531008,71271073
2018-06-15（万方平台首次上网日期，不代表论文的发表时间）
共13页
838-850
