(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111300326.2 (22)申请日 2021.11.04 (71)申请人 武汉理工大 学 地址 430070 湖北省武汉市洪山区珞狮路 122号 (72)发明人 王磊　高天翼　李益兵　唐红涛　 彭兆　郭钧　 (74)专利代理 机构 武汉智嘉联合知识产权代理 事务所(普通 合伙) 42231 代理人 黄君军 (51)Int.Cl. G06F 30/27(2020.01) G06F 111/06(2020.01) G06F 119/02(2020.01) (54)发明名称 一种制造服 务组合推荐方法及装置 (57)摘要 本发明提供了一种制造服务组合推荐方法 及装置， 其方法包括： 以最小 化成本、 最小化时间 以及最大化质量为目标， 构建制造任务的多目标 优化模型； 获取历史数据中的多个制造服务组 合， 并确定多个制造服务组合中各制造服务组合 的协作频繁度指标； 构建多目标进化算法， 并基 于多目标优化模 型、 多目标进化算法和协作频繁 度指标筛选出与制造任务对应的推荐制造服务 组合。 本发明有效利用了历史数据， 在多目标优 化模型的基础上， 增加协作频繁度指标这一参数 确定推荐制造服务组合， 可同时获得具有高服务 质量和高协作频繁度指标的推荐制造服务组合， 实现从批量的制造服务组合中确定所需要的制 造服务组合 以及提高推荐制造服务组合的可靠 性和协作性的目的。 权利要求书3页 说明书11页 附图5页 CN 114065617 A 2022.02.18 CN 114065617 A 1.一种制造服 务组合推荐方法， 其特 征在于， 包括： 以最小化成本、 最小化时间以及最大化质量 为目标， 构建制造任务的多目标优化模型； 获取历史数据中的多个制造服务组合， 并确定所述多个制造服务组合中各制造服务组 合的协作频繁度指标； 构建多目标进化算法， 并基于所述多目标优化模型、 多目标进化算法和协作频繁度指 标从所述多个制造服 务组合中筛 选出与所述制造任务对应的推荐制造服 务组合。 2.根据权利要求1所述的制造服务组合推荐方法， 其特征在于， 所述以最小化成本、 最 小化时间以及最大化质量 为目标， 构建制造任务的多目标优化模型， 包括： 将制造任务分解 为多个制造 子任务， 并确定所述制造 子任务的结构； 基于所述制造子任务的结构， 确定与所述制造子任务对应的制造服务组合中各制造服 务的制造服 务成本、 制造服 务时间和制造服 务质量； 以最小化成本、 最小化 时间以及最大化质量为目标， 基于所述制造服务成本、 制造服务 时间和制造服 务质量构建所述多目标优化模型。 3.根据权利要求2所述的制造服务组合推荐方法， 其特征在于， 所述制造子任务的结构 包括顺序结构、 并行 结构、 选择 结构和循环结构； 所述多目标优化模型为： f＝min{Qc,Qt,1/Qq} f的约束条件为： 顺序结构： 并行结构： 选择结构： 循环结构： Qc＝c(Si)l(STi)， Qt＝t(Si)l(STi)， Qq＝q(Si)l(STi) 式中， f为所述多目标优化模型； Qc为总成本； Qt为总时间； Qq为总质量； Qc’为预设总成 本； Qt’为预设总时间； Qq’为预设总质量； i为序号， i＝1,2, …； Si为制造服务组合中的第i个 制造服务； STi为第i个制造子任务； c(Si)为制造服务Si的制造服务成本； t(Si)为制造服务Si 的制造服务时间； q(Si)为制造服务Si的制造服务质量； Ns为顺序结构中制造子任务的数量； Np为并行结构中制造子任务的数量； Nc为选择结构中制造子任务的数量； l(STi)为循环结构 中制造子任务STi重复的次数； p(STi)为选择结构中制造 子任务STi被选中的概 率。 4.根据权利要求1所述的制造服务组合推荐方法， 其特征在于， 所述确定所述多个制造 服务组合中各制造服 务组合的协作频繁度指标， 包括： 利用FP‑Growth算法确定所述多个制造服 务组合中的频繁项和非频繁项；权　利　要　求　书 1/3 页 2 CN 114065617 A 2建立制造任务和制造服务组合中各制造服务之间的二部图， 并利用Simrank算法从所 述二部图中确定任意两个制造服 务之间的相似度； 对所述相似度进行排序， 并根据所述 排序将所述相似度转换为 等价相似度； 预设频繁项的协作 频繁度指标， 并基于所述等价相似度和所述频繁项的协作频繁度指 标确定所述非频繁项的协作频繁度指标。 5.根据权利要求 4所述的制造服 务组合推荐方法， 其特 征在于， 所述 等价相似度为： 式中， 为制造服务x和制造服务xi之间的等价相似度； i为与制造服务x相似的第i 个制造服 务， k为与制造服 务x相似的前k个制造服 务； 所述任意两个制造服 务之间的相似度为： 式中， SR(Sx， Sy)为历史服务Sx和历史服务Sy之间的相似度； I(Sx)为历史服务Sx的近邻； I(Sy)为历史服 务Sy的近邻； α 为0 到1的阻尼系数； | |表示个数。 6.根据权利要求4所述的制造服务组合推荐方法， 其特征在于， 所述非频繁项的协作频 繁度指标为： 式中， CFI为非频繁项 的协作频繁度； n为非频繁项对应的制造服务组合和频繁项对应 的制造服务组合之间不同的制造 服务个数； i为制造 服务组合中第i个制造 服务； 为频 繁项对应的制造服 务x和非频繁项对应的制造服 务y之间的相似度。 7.根据权利要求1所述的制造服务组合推荐方法， 其特征在于， 所述基于所述多目标优 化模型、 多目标进化算法和协作频繁度指标从所述多个制造服务组合中筛选出与所述制造 任务对应的推荐制造服 务组合， 包括： 步骤一、 初始化 算法参数， 算法参数包括 最大迭代次数和筛 选比例； 步骤二、 根据多目标优化模型生成初始帕累托解集P， 并建立一个空集P ’作为精英解 集； 步骤三、 将初始帕累托 解集P复制到精英解 集P’， 并计算各制造服 务组合的支配点数； 步骤四、 从精英解 集中删除被支配的制造服 务组合； 步骤五、 从初始解集和精英解集的并集中随机选择父代， 并对父代进行交叉和变异， 获 得更新解集； 步骤六、 计算更新解集中各制造服务组合的协作频繁度指标， 并根据协作频繁度指标权　利　要　求　书 2/3 页 3 CN 114065617 A 3