论文部分内容阅读
大规模的互联网用户不仅是互联网应用和服务的使用者,同时也是互联网大数据和内容的提供者,其构成了丰富的群智资源。对群智资源的有效利用需要解决任务分配的难题。群智云制造指的是多智能体协同,云中透明协作,基于知识制导和任务多层分解合成,对“泛制造”任务进行完成,其中“泛制造”也包括创新创造。虚拟团队是一个支持跨时间、跨地域的个体在开放互联网环境下相互协作,以完成较复杂“泛制造”任务的组织形式。为了解决任务集到团队资源集的映射也即任务分配的问题,本文主要做了三点工作:1.提出团队效益评估模型;2.建立团队优选模型,提出团队优选方法并进行有效性分析;3.设计并实现了三创平台中的群智云制造模块。本文在群智协同和虚拟团队有效性研究的基础上,选取合适的有效性影响因素,提出任务执行速度、价格合理程度、能力匹配度和预期完成质量四个可度量的指标,并提出了相应的计算方法,以此计算团队完成任务的预期效益。预期效益和任务优先级一同构成了优选模型建立和计算的数据基础。在此基础上,建立了全局优化团队选择的多目标0-1规划模型,其优化目标包括极大化覆盖率(考虑数量、优先级)和总效益(考虑时间、成本、能力、质量),并给出了使用理想点法作为示范求解方法,通过理论论证进一步分析了评价函数权值的确定和目标函数的选取,接着总结出面向群智云制造的全局优化团队选择GO-TSM分派方法。随后,本文通过多个计算实例对全局优化团队选择模型进行分析和验证,并使用MATLAB和LINGO进行模拟仿真,给出了GO-TSM分派方法的MATLAB脚本实现方法和仿真数据的生成方法,并与另外两种可行的分派方法——优先级优先分派方法和效益优先分派方法,进行了仿真实验和对比分析,其分派的任务数占比、高优先级任务数占比、总效益等均比另外两种方法更优,验证了GO-TSM分派方法的可行性和有效性。最后,本文根据云中“泛制造”和群智群力任务执行的思想,设计并实现了三创平台中的群智云制造模块,并使用LINGO的Java API将GO-TSM分派方法应用于群智云制造模块的任务分派器。该方法为三创平台中群智云制造模块中的投标选标提供了较为有效的参考方案,为招标方提供有效的决策辅助支撑。