理论教育 面向广义再制造的服务迁移决策算法优化方案

面向广义再制造的服务迁移决策算法优化方案

时间:2023-05-23 理论教育 版权反馈
【摘要】:本文所定义的面向广义再制造的服务迁移决策机制,基于客户的制造需求,以再制造理念处理服务中的突发异常,从而以资源集约、节能降耗的方式实现调度计划的平滑修正。Step6 由当前任务执行方给出RSCR中各服务的再制造信任TrustR ,并与其ResponseE集成为再制造可信性能ProspectR。Step10 运用Dempster证据合并规则,整合各参数对应的概率指派函数,并产生RSCR中各服务的信度支持,从而以之排序优选,完成决策。

面向广义再制造的服务迁移决策算法优化方案

本文所定义的面向广义再制造的服务迁移决策机制,基于客户的制造需求,以再制造理念处理服务中的突发异常,从而以资源集约、节能降耗的方式实现调度计划的平滑修正。具体步骤如下:

Step1 云制造服务根据紧急任务邀约向调度平台反馈各自的服务响应ResponseE,形成候选集合RSCE

Step2 由服务响应ResponseE和任务需求方给出的执行信任TrustE生成紧急任务执行可信性能ProspectE

Step3 基于各服务ProspectE归一化处理,构建筛选模糊软集E

ℑ。

Step4 基于参数均值或邀约指标确定水平阈值,由img生成水平软集img

Step5 基于水平软集img对服务候选集合RSCE进行筛选,得到集合RSCR。(www.daowen.com)

Step6 由当前任务执行方给出RSCR中各服务的再制造信任TrustR ,并与其ResponseE集成为再制造可信性能ProspectR

Step7 对RSCR中各服务的ProspectR进行归一化处理,并构建模糊软集img

Step8 计算img中各参数的信息熵及其冗余度。

Step9 基于D-S证据理论以参数信息熵的冗余度定义其基本概率指派函数。

Step10 运用Dempster证据合并规则,整合各参数对应的概率指派函数,并产生RSCR中各服务的信度支持,从而以之排序优选,完成决策。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈