如需要完整文档点击下方 "点击下载文档" 按钮

为了使云制造资源更加有效地分配到各个制造任务中,提出了一种动态参数蚁群算法(Dynamic Parameter Ant Colony Optimization,DPACO)。 该算法建立在 QoS(Quality of Service)评估模型之上,QoS 评估模型通过综合成本 C(Cost)、时间 T(Time)、质量函数 Q(Quality function)和满意度 S(Satisfaction)四个方面得到适应度函数 F,F 越小结果越优。 DPACO算法通过改变参数在不同阶段的值来使算法获得更快的收敛效率,加入特殊蚂蚁使得算法更好地跳出局部最优解获得全局最优解。 最后通过钢铁锻造任务的云制造资源优选将 DPACO 算法与原始 ACO、PSO、DE 算法作比较,实验结果表明,DPACO 算法在求解云制造服务组合问题上能够更好地获得全局最优解,并具有较高的收敛效率。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于动态参数蚁群算法的云制造服务组合》

将 完整文档 下载到本地，方便收藏和查阅

文件号：062419

点击下载文档