第一章 绪论
第一节 研究背景及意义
一、研究背景
大部分制造企业，特别是中小型制造企业缺乏有效的资源共享平台，在选择和利用更加专业的外协加工资源时具有很大局限性，此外，拥有大量闲置资源的企业也很难提高其资源利用率(尹胜等，2011)。因此，如何汇聚闲置资源，实现资源配置优化，提高企业的制造能力，是当前制造业突破发展瓶颈的关键所在。同时，随着经济全球化的不断加速，企业竞争不断加剧，为了降低生产成本，提高生产效率，增强产品竞争力，越来越多的制造厂商选择通过将制造资源和制造能力封装为制造服务的方式来增强企业之间的协作。因此，制造业逐渐从面向生产的模式转变为面向服务的模式(Ren 等，2017)。
近十几年来，在物联网和云计算等先进信息技术的支持下，出现了若干制造系统，如工业产品服务系统、制造网格系统和众包等(Tao 等，
2017)。在传统的制造模式中，供应商之间的合作关系往往是长期固定的，这使得供应商在提供交互服务时处理制造环境中的动态变化十分困难且低效。而与传统的制造模式不同，云制造是一种面向服务的、高效低耗和基于知识的网络化敏捷制造新模式(李伯虎等，2010b)，它将现有信息化制造与各种新兴信息技术相融合，其中各种制造资源和功能被虚拟化并封装成相应的制造服务(Ren 等，2015)。云制造系统中大量云服务即制造云形成服务资源池，云制造技术通过对各类制造资源进行统一的、集中的智能化管理和经营(李伯虎等，2010b)，从而在整个制造生命周期中为用户提供灵活、敏捷的服务。
用户提交给云制造平台的往往是复杂的多功能性任务需求，由于单一的单功能性服务难以满足用户需求，因此一项复杂的任务需要先分解为若干子任务，每个子任务对应着一组服务质量(Quality of Service，简称 Qo S)各异的候选服务。在满足 Qo S 约束的前提下，各种不同功能的服务被组合，以此来满足用户需求。因此，制造服务的选择与组合是云制造环境面临的一个关键问题。但是，大多数制造服务组合问题的研究都没有考虑动态因素。实际上，制造环境中充满了不确定性，可能随时有扰动发生，例如客户需求变化、服务中断和外部环境变化等，这些扰动可能会导致原有组合方案的有效性降低，甚至变得不可行(Guo 等，2012)。本文考虑了突然出现的紧急任务请求，即用户在任务执行过程中重新提交请求，要求任务加快完成，由于原有的执行方案无法满足用户当前的需求，因此云制造平台需从云服务池中重新选择并组合服务，本文提出了两种服务重组方式来应对这种扰动。
.................................
第二节 国内外研究现状
一、云制造研究现状
李伯虎等(2010b)基于传统的制造模式以及云计算、物联网等技术，于 2010 年总结概括云制造的内涵，将云制造定义为“一种利用网络和云制造服务平台，按用户需求组织网上制造资源(制造云)，为用户提供各类按需制造服务的一种网络化制造新模式”。Xu(2012)从云计算的角度阐述云制造的定义，指出云计算正在推动制造业的发展，且云制造作为一种新的制造方式将为日益全球化的制造业提供有效的解决方案。李伯虎等(2012)进一步讨论云制造的内涵，阐述了云制造的主要特征，并分析了云制造与制造信息化和云计算的关系。陶飞等(2011)对云制造的典型特征进行了详细的分析，并阐述了云制造系统中的资源、制造云服务、制造云之间的关系。张霖等(2011)详细分析了传统制造模式的概念、背景、发展现状，并阐述了云制造与传统模式之间的关系，指出云制造是对网络化制造的一种新扩展，是对服务即制造理念的具体体现。任磊等(2011)对虚拟化支持下的云制造关键技术进行了论述，并指出云制造资源虚拟化能够按需动态敏捷调配资源，从而提高资源利用率，实现节能降耗的目标。姚锡凡等(2013)根据云制造服务体系框架，分析了云制造资源及其虚拟化的特点，指出了云制造资源虚拟化的原则，即系统性、针对性、适应性、扩展性、接口统一和动态性。程臻等(2013)针对云制造环境下资源的描述及虚拟化问题，结合云制造中制造资源的分类和特点，分析了资源描述及虚拟化需求，从而提出了一种基于本体的资源描述及虚拟化方法。王时龙等(2012)从商业理念、平台、技术和安全方面，提出了云制造应用模式的相应策略，同时建立了一个区域性云制造平台，以验证策略的有效性。
上述文献为云制造的发展提供了理论以及技术支持，然而目前研究多集中于云制造概念、框架、模式等抽象层面，对于云制造服务组合与调度优化的研究仍较缺乏。
二、云制造服务组合的研究现状
作为构建云制造系统的关键元素，现有的关于制造服务方面的研究主要集中在服务组合上。服务组合旨在从每个子任务的相应候选服务集中选择适当的服务进行组合，然后从所有可能的组合方案中选择最佳执行方案(Tao 等，2012)。Zeng等(2004)提出了一种基于 QoS 的 Web 服务组合中间件，考虑了五个 Qo S 指标，包括执行价格、执行时间、信誉、执行成功率和可用性。Tao 等(2010b)引入直觉模糊集来描述基于顾客感受和交易经验的 Qo S，提出了一种新的服务选择方法。此外，Tao 等(2010a)在制造网格中的服务组合过程中考虑了服务之间的相关性，有效地提高了方案的整体 Qo S。Wang 等(2015)提出了分布式云环境中基于 QoS 的考虑服务水平协议约束的 Web 组合模型。Xiang 等(2014)提出了一种考虑 Qo S 和能耗的云制造服务组合模型，从而为用户提供高质量、节能的服务。刘波与张自力(2015)考虑了云制造环境中的复杂任务请求，设计了“单组合执行每任务”、“多组合执行每任务”以及“多组合执行多任务”三种不同组合模式并建立了多目标优化模型。考虑到制造服务之间运输的影响，Lartigau 等(2015)提出了基于 Qo S 和地理运输因素的服务组合方法。
..................................
第二章 基本理论与相关技术概述
第一节 云制造
制造业信息化是应对经济全球化以及推进国家制造业发展的关键所在。云制造作为一种新的网络化制造新模式，是云计算技术在现代制造领域的延伸与运用。本节将从云制造概念及特征、云制造平台及其体系架构以及云制造关键技术等三个方面简要阐述云制造。
一、云制造概念及特征
李伯虎院士结合我国制造业情况，基于云计算技术，提出了云制造模式，即“一种利用网络和云制造服务平台，按用户需求组织网上制造资源(制造云)，为用户提供各类按需制造服务的一种网络化制造新模式”(李伯虎等，2010b)。云制造扩展了传统的信息化制造技术中的网络化制造、敏捷制造、制造网格等概念和技术，将云计算、物联网、大数据技术、服务计算等若干新兴信息技术以及多种信息化制造技术相融合。云制造将制造全生命周期过程中的各类制造资源和制造能力封装为云服务，在网络化环境下，云服务聚集成制造云为用户提供按需使用、敏捷灵活、质优价廉的服务以满足用户各类需求，体现了云制造中“制造即服务”的理念。
根据对云制造相关定义及其宗旨，与现有的传统制造模式相比，云制造的典型特征(陶飞等，2011)可以概括为：(1)面向服务和需求。云制造真正实现了“制造即服务”这一理念，在云制造中，各类制造资源、制造能力、制造知识都能被封装为虚拟的制造服务，实现了制造资源的虚拟化。(2)协同性。单一的制造服务往往无法满足多用户的复杂多粒度的任务需求，因此云制造平台通过网络集中管理不同地理位置上的制造资源，从而在面对复杂制造任务时实现单一制造服务的协同。(3)动态性。云制造系统中存在大量各异的制造服务，且制造服务的状态会根据外部制造环境、时间、先前的解决方案等因素进行动态变化。因此，云制造平台需要实时监控云制造池中的制造服务状态，从而能够根据用户需求分配制造服务。
二、云制造平台及其体系架构
云制造平台的运行涉及三类用户，即制造服务提供者、制造服务使用者以及制造云运营者。制造服务提供者将各类制造资源和制造能力注册发布至云制造平台以封装为云服务，制造服务使用者通过云制造平台提出具体的制造需求以寻求符合要求的制造服务，云服务根据制造服务使用者提出的各类制造需求聚集形成相应的制造云，制造云从而为制造全生命周期过程中的应用提供所需服务。制造云运营者应用云制造平台这一软件平台，对制造云进行统一的集中化管理、运行、维护等一系列操作，包括对制造服务提供者发布上传的制造服务进行管理，为制造服务提供者和制造服务使用者提供交流、合作的平台等。云制造平台通过对用户请求的分析，将复杂任务进行分解，并搜索云制造平台中的可用服务，实现云服务的自动匹配与部署，同时，利用服务组合、服务调度以及优化等相关技术，为用户提供最终的执行方案。上述三类用户通过“接入”、“接出”两个过程联系起来，并在知识的支撑下，形成了云制造平台。云制造平台运行机制充分利用了各种闲置资源，实现了面向多用户的复杂多粒度制造任务的协同，从而能够为用户提供快速、灵活的制造服务。云制造平台的运行原理如图 2-1 所示。
..............................
第二节 云制造服务组合
本节将从云制造服务组合的概念和方法两方面来对云制造服务组合进行介绍。
一、云制造服务组合概念
在云制造系统中，用户提交的任务需求可以根据任务的粒度分为单一服务需求任务和多服务需求任务。针对单一服务需求任务，云制造系统需要从云服务池中选择满足用户需求的最优制造服务完成该任务，该过程称为云服务优选。随着经济以及制造业的快速发展，用户提交给云制造平台的通常是复杂的多功能性需求任务，而单功能性服务往往无法满足用户需求，因此一项复杂的任务需要先分解为若干功能单一的子任务。服务组合旨在将多个满足用户需求的服务进行组合，并从所有的可行执行方案中选择最佳的组合方案执行任务。
二、云制造服务组合方法
目前常用的服务组合方法包括基于人工智能规划的服务组合方法、基于图搜索的服务组合方法、基于智能体的服务组合方法和基于 QoS 的服务组合方法等(刘波，2012；李一鸣，2013)。
（一）基于人工智能规划的服务组合方法
基于人工智能规划的服务组合方法需要一定的形式化表示方法和推理系统，其主要思想是根据当前运行环境以及任务需求目标，利用人工智能规划中的动作和可用资源进行推理，从而对服务进行建模，并利用人工智能规划算法进行服务组合，从而制定出具体的规划(张绍谦，2014)。该方法将服务看做人工智能中的动作，通过输入参数、输出参数、前提、后果等对服务的功能和行为进行形式化表示，并进行推理从而获得所需的服务组合模式，并形成最终的服务组合规划(齐连永，2011)。基于人工智能规划的服务组合方法能够根据规划条件动态生成服务组合模式，因此在面对不断变化的制造环境和用户需求时具有较高的适应性和柔性。
（二）基于图搜索的服务组合方法
基于图搜索的服务组合方法将服务之间的关系以图的形式表示，服务组合的过程被转化为遍历关系图中寻找从输入到输出或者从输出到输入的可行路径(邓水光等，2011)。与基于人工智能规划的服务组合方法相比，该方法实施性强，但由于需要构建服务与服务之间的关系图，具有时间复杂度较高，解空间搜索效率较低的局限性。
..............................
第三章 面向单一任务的云制造服务动态组合模型及求解算法研究.................22
第二节 改进型两阶段生物地理学优化算法...........................27
第三节 仿真实验及结果分析...........................33
第四章 面向多任务的云制造服务动态调度模型及求解算法研究.....................41
第一节 面向多任务的云制造服务动态调度模型..............................41
第二节 改进型多种群生物地理学优化算法..........................45
第三节 仿真实验及结果分析...............................50
第四章 面向多任务的云制造服务动态调度模型及求解算法研究
第一节 面向多任务的云制造服务动态调度模型
同一时刻云制造平台往往会接收到多个不同的、可以被分解为若干子任务的复杂任务。这些子任务可由云服务池中不同供应商提供的多个服务共同协作完成。本章研究的云制造服务调度问题旨在为不同类型的任务的每个子任务分配满足各种功能和非功能需求的服务，并确定相应服务上的子任务排序，从而实现多目标优化。本章基于多供应链协作模式，考虑了新任务到达这一动态因素，研究了面向多任务的云制造服务动态调度问题。
实际制造环境通常面临着许多突发事件。在考虑新任务到达的服务调度问题中，首先通过假设云制造系统中没有意外事件发生从而确定初始调度方案。在基于初始调度方案的任务执行过程中，云制造平台往往会接收到一些无法预见的新任务。因此，需要及时触发重调度策略并将其应用于初始调度方案，从而构建出一个新的修订后的调度方案。为了更清楚地阐述面向多任务、考虑新任务到达的服务动态调度问题以及相应的重调度策略，图 4-1 提供了一个说明示例。图 4-1(a)为两个任务、九个服务和八个子任务的调度方案甘特图，其中 2.1.3 表示 ST23 由MS22 在第一条供应链上执行，2.2.3 表示 ST23 由 MS34 在第二条供应链上执行。此外，具有相同颜色的色块条表示同一任务分解得到的子任务在同一供应链上被执行。
............................
总结与展望
云制造融合了现有信息化制造与各种新兴信息技术，是一种面向服务的、高效低耗和基于知识的网络化敏捷制造新模式。云制造环境下的服务组合与调度是实现制造资源配置的关键技术，且实际的制造环境中存在动态因素，因此，本文提出了云制造环境下面向动态任务感知的服务组合与调度优化模型。
本文的主要研究成果与创新点如下：
1. 本文提出了一种面向单一任务的云制造服务动态组合模型及两种相应的服务重组方式(即纵向协作方式和速度选择方式)以应对突然出现的紧急任务请求。为求解上述模型，本文提出了 TBBO 算法。该算法针对基础型 BBO 算法的不足，引入了二维向量编码以适应服务重组问题求解。其次，该算法融合了变邻域搜索算法和精英替换策略。实验结果表明，TBBO 算法与基础型 BBO 算法、GA 算法和DE 算法相比，能更有效地求解面向单一任务的云制造服务动态组合问题。另外，两种服务重组方式和基本服务组合方式之间的对比实验结果表明两种服务重组方式都可以在保证综合 Qo S 不下降的同时有效减少任务完成所需的时间。
2. 本文提出了一种面向多任务的云制造服务动态调度模型，讨论了两种重调度策略以应对突然到达的动态任务请求。该模型探讨了多供应链协作模式，综合考虑了供应链中服务供应商之间的横向协作和纵向协作。为求解上述模型，本文提出了 IMPBBO 算法，该算法针对基础型 BBO 算法的不足，采用了矩阵编码方式，并融合了多种群策略、局部搜索策略以及协作机制。实验结果表明，在调度和重调度两个阶段中，与传统的单供应链模式相比，多供应链协作模式可获得更优的调度方案。因此，当能够获得比传统单供应链模式更优的调度方案时，多供应链协作模式可以应用于实际的制造环境中。同时，与基础型 BBO 算法、GA 算法和PSO 算法的对比实验表明，IMPBBO 算法可以求解到更优的调度方案。
参考文献（略）