云制造环境下基于多目标粒子群算法的虚拟制造单元优化

云制造环境下基于多目标粒子群算法的虚拟制造单元优化

0云池构建阶段的研究进展云生产是利用虚拟化和物联网等先进信息技术，整合和整合不同地区、不同公司的各种生产资源，从而建立一个规模大、广扩展性和高可扩展性的虚拟资源云池，并对分散资源进行集中管理，为用户提供可靠、优质、便宜的服务。杨海成等针对制造业现状,为实现制造资源的高度共享,将当代信息技术前沿理念拓展到制造业中,提出云制造是一种制造服务,资源整合是云制造的特点之一;因此在虚拟资源云池构建阶段如何表达虚拟资源并面向需求组合优化,是实现资源整合的关键之一,对云制造的实现具有重要意义。国内外学者在资源云池的框架、虚拟化接入等方面已经有了初步的研究进展。任磊等论述了虚拟化支持下的云制造关键技术,提出了虚拟资源云池构建的理论框架;张霖等采用资源虚拟化接入的方法将制造资源转化为虚拟资源,阐述了云制造中“制造云”的构建过程;孟祥旭等探讨了云制造模式及特征,研究了云制造资源与能力云端化等支撑技术,提出了云服务系统的架构;李伟平等分析了云制造的内涵及其关键技术,并对资源建模与描述进行讨论,用XMLSchema描述一个车床实例。从已有的研究中发现,将虚拟资源接入到资源云池后,需要对资源进行建模并将其面向需求组合优化形成具体的实例,才能使平台快速搜索与匹配虚拟资源。国内外许多学者对资源的建模与优化组合求解进行了研究,取得了大量成果。在资源建模方面,贺文锐等为解决网络化制造环境下资源发现的问题,基于Web本体描述语言(WebOntologyLanguage,OWL)构建了面向制造功能描述的资源信息模型;武蕾等提出了一种基于Web服务资源框架的资源服务化封装方法,采用基于模板的形式对资源描述进行建模;JAY等使用面向对象的建模方法整合了产品设计、加工等制造周期资源,给出了资源模型结构;Tao等通过研究统一建模语言(UnifiedModelingLanguage,UML)到可扩展标记语言(extensibleMarkupLanguage,XML)的映射,提出了基于XML的制造网格资源信息描述模型;Parag等提出一种统一制造资源模型(UniformManufacturingResourceModel,UMRM),解决了数控系统各个要素的信息建模。在资源聚类组合优化方面,王雷等对制造单元协调组织模型进行研究,提出基于粒子群优化(ParticleSwarmOptimization,PSO)算法的制造单元聚类方法;冷晟等在虚拟制造单元可重构的环境下,采用蚁群遗传优化算法对资源选择与分配问题进行了研究;Jannes等在考虑负载均衡、最小化流动成本与提供充足的柔性的条件下,使用数学规划法将制造设备和人力实时重组为虚拟单元;Saadettin等在多加工路线与多加工设备条件下,提出一种启发式遗传算法,用以解决车间调度中虚拟制造资源聚合的问题。从以上研究发现,目前对虚拟资源云池的构建研究有了一些初步的框架性成果,但在云池构建阶段专门针对云池中的虚拟资源进行建模和组合优化的方法并无深入讨论;网络化制造中虽然拥有大量资源建模与组合优化的研究成果,但是并不适用于云制造环境下的云资源的发现与匹配。针对以上问题,本文在虚拟资源云池构建阶段,结合云池中虚拟资源的特点,提出一种基于XML数据模型与OWL语义模型的协同建模方法,对虚拟资源建模进行描述,以便于资源的共享与发现;建立基于服务成本、服务效率、服务质量和信誉度的多目标优化数学模型,采用协同多目标PSO算法对该优化问题进行求解,将虚拟单元面向产品实例化,以便于资源与需求之间的快速匹配。1虚拟资源云池的构建运行过程根据网络中的资源分布与用户需求,本文通过构建虚拟资源云池,为用户建立一个相对稳定的资源视图,在因特网“尽力而为”服务的基础上,为用户提供服务质量的保证。虚拟资源云池的构建运行过程(如图1)可以描述为:使用物联网、虚拟化等技术,对分散的云制造资源(如制造设备、设计资源、知识、仿真资源等)进行感知并虚拟化接入;对资源进行建模,构建支持语义与共享的资源描述模型,对于不同的需求,可以将不同虚拟资源按照一定的逻辑关系与约束优化进行组合,实例化为具体的虚拟制造资源,虚拟资源封装接入到云平台中,平台可以根据用户提出的需求实现快速匹配;因此合适的虚拟资源建模方法与优化组合方法是虚拟资源云池构建与运行成功的关键。2云池资源协同建模在云制造环境中,虚拟资源池集成了大量的异构云制造虚拟资源,这类资源以服务的方式全面共享,提供给云平台的客户。因此,首先需要使用相关的资源描述规范对资源进行建模,构建支持语义的资源描述模型,这是实现虚拟资源社会化共享和优化配置的基础。云池中的资源种类多、规模大,具有描述异构性、服务封装性等特点,因此需要多层次、多维度地描述虚拟资源,传统的资源建模方法并不能满足云环境下资源建模的需要,为此提出云池中的虚拟资源协同建模方法:采用XML建立资源的数据模型,屏蔽资源的异构性,以便于模型网络传输与服务化封装;采用OWL建立资源的语义模型,以便于资源发现与检索。从数据维与语义维相结合的角度描述虚拟资源,满足用户对云资源服务化、快速查询等的需求。模型采用基于模板的形式对虚拟资源进行描述,形成虚拟资源模板库,服务于平台的封装与全生命制造周期的各种应用。2.1云池主要资源标志形式化方法具有强大的分析能力,能够抽象资源的特性,实现与细节的无关性。从全局整体的角度分析资源池中虚拟资源的特点,并对其进行形式化描述,有助于复杂虚拟资源的建模与数字化描述。根据文献中资源的分类方法,本文将虚拟资源分为硬资源、软资源及其他形式资源,分析不同类型资源的特点与功能,归纳资源的特性,对资源进行形式化描述。本文定义虚拟资源的形式化描述为其中:ResourceID是资源标志,用于唯一标志云池中的一个特定资源;基本属性BasePro用于描述虚拟制造资源的最基本信息,形式化描述为BasePro={ResName,ResType,ResLocate,…,ResOwner},用于表示资源的名称、所在地、拥有者、联系方式等;功能属性FunctionPro是虚拟制造资源的功能信息属性集,形式化描述为FunctionPro={ResFuncType,ResFuncDescrip,…,ResFuncLimit},表示功能类型、主要功能描述等;使用属性UsingPro描述虚拟制造资源与使用相关的信息,形式化为:UsingPro={ResState,ResQos,ResUsetime,…,ResTrade},用于描述资源的状态属性信息、服务质量(QualityofService,QoS)评价、交易方式等;VMapping是虚拟制造资源的物理—虚拟制造资源映射描述,形式化表示为VMapping={VMID,VMBasePro,PMRBasePro,Constraint},其中VMID是模型标志;VMBasePro是对映射的描述(如资源映射的关系等),PMRBasePro是对物理制造资源的具体描述,Constraint是映射中的约束描述。2.2基于rss的schema虚拟资源池中的虚拟资源种类繁多,不同种类资源包含的信息差别很大,因此所建立的虚拟资源模型既能够在网络中传递,也需要实现不同模型间的数据交换。XML作为加强异构系统互通性的工具,通过使用文档类型与Schema来定义数据结构,使云制造平台实现产品数据的统一和共享,并且能够根据设计者的需要随时扩充新标记。基于XML的数据模型采用基于模板的形式,通过总结同类虚拟资源所包含的信息,抽取其中的共性,为同类资源定义一个信息描述模板,来规范虚拟资源描述。虚拟资源信息描述模板可以对虚拟资源进行全面描述,表示为计算机可以处理的格式,为后续云平台的资源封装提供支持。使用XML对资源信息进行统一描述,每类资源的描述模板对应一个XMLSchema格式的文档,描述模板中详细规定了虚拟资源描述应该描述的属性项。限于篇幅,本文根据形式化描述及资源特点,针对通用的仿真分析虚拟软件资源建立描述模板如下:2.3基于owl的虚拟资源建模虚拟资源池需要对池中大量的虚拟资源进行组合优化,以便于资源的管理与有效使用,因此需要提供支持机器可读语义的虚拟资源模型,以便于资源的检索发现、集成共享和优化配置。OWL是一种用来描述Web服务的属性与功能的本体规范,以资源描述框架模式(ResourceDescriptionFrameworkScheme,RDFS)作为概念模型框架,采用描述逻辑进行服务过程间的逻辑关系表达和关系推理,具有很强的信息表达能力与逻辑推理能力。OWL适用于网络环境下虚拟资源的功能语义描述,能很好地支持基于功能需求的资源发现与评价。本文提出基于OWL对虚拟资源进行语义建模,类似上述数据模型建模的方式,抽象资源的共性,建立资源模板。限于篇幅,本文对设备资源语义进行建模,结合设备资源的本体结构,虚拟设备资源的OWL描述模板如下:3虚拟资源云池的生成虚拟资源云池将分散于不同地域、不同企业的云制造资源聚集起来,通过统一的平台对这类资源进行封装、管理和调度,为用户提供最满意的服务。云池中的资源数量是巨大的,如果仅通过平台对用户提出的需求实时选择资源、优化组合资源,则计算量大且不符合实际。因此,需要以虚拟资源数字化描述为基础,对其功能属性按照功能的不同进行分类,形成各种功能迥异的子虚拟资源云池(如图2),以便于资源的快速发现、查找和匹配;同时考虑在制造生产环节中的大部分情况下,一种资源往往不能满足用户的制造需求,而需要选择合适的资源协作优化组合,才能更好地完成用户的任务。因此在资源池的构建阶段,需要面向历史需求将虚拟资源优化组合并实例化,当用户通过平台选择某些功能的资源时,可以直接从资源库中快速选择匹配优化,从而提高了运行效率。3.1需求驱动下的虚拟资源组织模型在制造企业中,客户有设计、制造、仿真等大量的服务组合需求,需要通过云平台从资源池中找到合适的服务资源,以高效地完成。虚拟单元实质上是需求驱动下的虚拟资源云池中虚拟资源的优化组合,它能够高效低耗、经济快速地完成特定的任务。图3所示为本文提出的虚拟单元组织模型。根据企业客户的历史需求,在虚拟资源池中选择合适的资源,将资源按一定逻辑顺序聚合成面向历史需求的实例化的虚拟单元,并聚集于资源池中。个性化的加工任务可以通过云平台管理调度模板,组成具有个性化特点的虚拟单元,并实例化保存于数据库中,以便其他具有相同需求的客户快速使用虚拟单元。3.2wi的虚拟单元模型实例化虚拟单元的生成问题可描述为:首先分析企业中的历史用户需求,将需求较大的任务根据一定的分解策略,形成一系列具有时序关系的子任务链;每一个子任务通过云模式下的检索匹配算法获取满足任务条件的候选资源集W;假设某一任务由m个子任务组成,记为T=(t1,t2,…,tm),子任务wi在虚拟资源池中有ni(i=1,2,…,m)个功能属性相同,服务成本、效率等属性不同的候选虚拟资源可供选择。在候选资源中为每个任务选择一个虚拟资源,通过约束的条件选择不同资源的最优组合,使完成任务所花费的时间与成本最少,得到的质量与可靠度最高。图4所示为一个虚拟单元形成的模型。虚拟单元提供给用户满意且具有高性价比的产品与制造服务,制造任务在执行过程中存在并联与串联两种情况,设k为子任务集并行执行的任务数,本文在建立优化数学模型时从以下几点考虑:(1)要求在最短的时间内完成任务,故要求选择资源的效率较高。效率函数(2)从经济的角度看,以虚拟单元组合为客户带来最大的经济效益为前提,要求执行成本最低,故使用虚拟单元完成任务的服务成本(3)用户总是希望获得高质量与高信誉度的产品,分别使用Fq(vc)和Fr(vc)表示所完成任务的质量和信誉度:根据以上对虚拟单元模型目标分析,虚拟单元就是选取最优的资源及组合路径P*,使得3.3云计算中的cepso算法本文针对虚拟资源分布的特点,采用基于合作型协同和ε-占优的多目标粒子群(Cooperativecoevolutionaryandε-dominancebasedmulti-objectiveParticleSwarmOptimization,CEPSO)算法来解决虚拟单元构建问题。该算法采用多个种群,各个物种仅代表问题解的一部分,它们的组合形成完整的解,通过各个种群独立进化和种群间的相互协同来求解问题。CEPSO算法是一个分布式平行算法,即将待优化的复杂多目标问题分解为N个子问题,每个问题对应一个子种群。用多个子群分别优化各个子问题,各个子群的进化可以在云环境的不同节点进行,在更新粒子位置时采用均匀分布变异算子防止微粒群早熟收敛;粒子的适应度计算按照Pareto占优关系来计算;在保存非劣解时,使用ε-占优(ε-dominance)的档案更新策略,所有子群共享同一外部档案,并将其作为微粒的领导集合;随机从领导集合中选择协同粒子构造完整的解向量,然后基于它们评价子群中的粒子。ε-占优关系的应用极大地提升了算法运行的效率,文献的实验结果表明,CEP-SO算法在解决组合优化问题时具有较大的优势。3.3.1用集作为控制模块CEPSO建立了基于ε-占优的外部档案,保存非劣解,并且将档案集作为微粒的领导集合直接使用。ε-占优的存档策略在粗粒度的方块划分阶段,将搜索空间离散化为一些方块,每个向量属于一个方块,在方块上进行占优关系的比较,并维持一组非劣方块以保证ε近似特性。3.3.2飞行和变异算子变异算子能够使PSO算法摆脱局部极值,加速收敛,保持粒子群的多样性,避免算法出现早熟。CEPSO的飞行和变异这两种算子以一定的概率pm交替执行,每一次迭代或者执行飞行算子,或者执行变异算子。使用基于均匀分布的变异算子,设rand为之间服从均匀分布的随机数,varrange(d)是变量的取值范围,定义为:ifrand≤pm,thenx(d)=rand*varrange(d)。3.4生成虚拟单元的过程3.4.1资源聚类的编码采用j个子种群分别进化j个用户需求的资源聚类,每个子种群采用整数定长编码方式,粒子的每一维对应虚拟资源编号,虚拟单元的一个解可以用粒子表示。3.4.2种群内部独立运作(1)初始化每个种群,生成初始种群Xi(i=1,2,…,N),将粒子群参数、迭代次数初始化。(2)将Pareto最优解放入外部档案。(3)在第j个种群内部独立进行速度和位置更新。从其他N-1个种群中各选出一个代表,与j种群内的个体Xi共同构成一个向量的解。(4)评估当前粒子的适应值,根据适应值的大小更新种群j中的个体最优值pbest和全局最优值gbest,更新外部档案。(5)判断是否完成一次完整协同过程的条件:若j<k,则表示未完成一次完整的协同过程,移到下一个种群(j=j+1)。(6)反复执行,直到满足终止条件或者达到最大迭代次数。算法流程如图5所示。3.5建模描述及封装选择一个Pareto最优解生成某需求的虚拟单元模型,采用本文提出的协同建模方法对生成的虚拟单元语义进行建模描述,XML数据模型还可作为描述模板服务于上层的服务化封装。虚拟资源云池不仅存在实现单一功能的虚拟资源,还存在满足用户需求的资源组合,便于为用户提供快速高效的服务,真正做到集中资源、分散服务。4云池原型开发模具行业在制造行业有非常重要的作用,是国民经济基础工业之一。我国模具行业普遍存在产业协同信息化建设滞后、行业知识库未能形成、区域协同加工困难等问题。因此,模具行业非常适合推广云制造模式,通过建设云制造服务平台,实现区域内模具生产企业间、企业与上下游产业链间的泛资源优化与协同,促进模具产业信息化发展,引导模具行业的产品结构进一步向高精密度、专业化、品牌化调整,进一步推进模具产业集群。本文结合某模具协会试开发运行的云服务平台原型,来验证所提出的虚拟资源云池构建过程中资源建模与优化方法的准确性与可行性。某模具厂商需要为某汽车厂的几款新车型生产车灯塑料模具、车覆盖板模具等,由于产能限制,需要外协。厂商通过云平台提出需求,希望外协资源根据其提供的数据帮助完成产品的计算机辅助设计(ComputerAidedDezign,CAD)和计算机辅助工程(ComputerAidedEngineering,CAE)分析,确定加工工艺并在交货期内完成外协模具生产加工。本原型可以实现用户需求与云池中专业设计生产模具虚拟资源的快速匹配,双方通过交流沟通,达成合作意向,通过第三方金融机构进行交易。云制造虚拟资源云池中提供服务的虚拟资源信息如表1所示,其中不仅包括完成某种工序的设备资源、完成某种工件的资源组合,还包含企业的拳头模具产品。这样的云制造不仅能够为用户提供服务,还能为企业提供产品的发布服务。虚拟资源池中的各种资源使用XML与OWL协同建模后,通过封装为服务,在云平台中发布。对于需要多种资源协同完成某种任务的需求,统计模具企业的历史用户需求数据,通过本文提出的算法组合优化后,建模封装发布至云平台中。在虚拟资源云池构建阶段完成面向常见需求的资源组合优化,可以比制造网格、网络化制造等制造模式更快、更优地搜索到所需的服务。本文在含有100个虚拟资源及组合服务的云池原型中进行测试,根据企业常见的30个需求,应用本文提出的算法进行组合优化。算法采用Java语言实现,设置子种群的大小为10,每一个问题对应一个子种群,ε=0.05,迭代次数为100,变异概率为0.1。算法结果为一组非支配解,每个解都为最优的实例化虚拟单元,计算机随机选取一个解作为最优解。根据用户提出的生产设计模具中常见的10个需求,云平台对用户提出需求进行查准率、查全率和查询时间测试,测试平台由课题组搭建的中小模具企业云制造平台Xeon7130(3.2GHz)x2、16GB内存、100Mbps局域网环境下进行,平台由100个虚拟资源组成。为评价本文所提方法在云制造模式下对虚拟资源共享