1.一种工业互联网环境下面向生产要素的服务推荐方法,其流程包括以下步骤:
(1)分解任务:对用户的生产任务进行分解,每个生产任务至少需要一类生产要素资源,即物料资源或机器资源,而每类生产要素资源需要一种或多种,基于各个任务或复合服务,形成完整的服务组合链;
(2)数据处理:利用SimRank和FP-growth筛选历史数据中的频繁项并得到服务之间的相似度数据;
(3)量化指标并结合MOEA:将MOEA算法与协作有效性指标CEI(CollaborationEffectivenessIndicator)结合,筛选高质量的和高协作有效性的复合服务;结合频繁项和SimRank相似度评价复合服务的协作频率指标CEI;将MOEA的每一代迭代过程中优先考虑高CEI的个体以同时筛选出高CEI和高QoS的复合服务;多个优化的复合服务形成推荐列表并推荐给用户;
所述服务组合链的QoS指标包括:时间成本和经济成本;
采用Hypervolume指标评价方法对所述QoS指标进行评价,其中,Hypervolume指标的计算方法为:其中,X表示算法的非最优解集,表示所有参考点的集合,为非最优解集合X的Hypervolume指标,Leb为X的勒贝格测度,[f1(x),r1]×[f2(x),r2]×…×[fN(x),rN]表示被解x支配的但不被支配的个体;
所述步骤(2)、(3)中,算法的步骤为:
(1)、使用python从所选的历史协作数据中读取复合服务的调用关系;
(2)、使用SimRank算法将调用关系生成关系矩阵;
(3)、将关系矩阵迭代计算出所有服务之间的相似度;
(4)、使用FP-growth算法筛选复合服务协作历史中的频繁项;
筛选所述高质量的和高协作有效性的复合服务包括:(1)、设置种群迭代次数,种群个数,交叉变异概率,过滤比参数;(2)、生成并读取到种群解集P,另外创建一个精英解集P';(3)、将种群集合P'复制到集合P',并计算P'中每一个元素的支配解个数,第i个元素的支配解个数为S(i);(4)、从P'中删除被支配的解集,如果P'中的个体超过最大个体数N,则通过聚类方法修剪当前P';在聚类方法中,为P'中的每个元素进行聚类,构建聚类集合;剪枝时选择距离较小的簇集进行合并,并选择簇中心作为参考点;(5)、从P∪P'随机选择个体进行交叉和变异以生成下一代种群后随机选择个体进行交叉、变异;(6)、计算交叉变异后的每个个体的CEI,在同样的支配度下用CEI指标进行排序,并根据预先设定的比例过滤解集;(7)、通过轮盘赌的方法选择种群;在轮盘赌中,个体适应度在每一次的计算中被当作是一个概率因素;然而,个体适应度F受距离度量D和优势关系度量R的影响;而R(i)是支配i的所有个体j的S(j)之和;D(i)是为保权利要求书2证当两点的R(i)相同时,相邻两代的前沿之间存在一定距离;(8)、判断迭代是否达到最大迭代次数,结束则返回并为客户推荐的服务组合指标三元组设置为{St,Sc,Sex};其中,St是QoS时间成本的最优解,Sc是经济成本的最优解,Sex是均值的最优解;
(4)推荐:将筛选后的复合服务形成组合服务交付给用户来完成生产任务。
2.根据权利要求1所述的一种工业互联网环境下面向生产要素的服务推荐方法,其特征在于,所述步骤(1)中,工业互联网平台应具有丰富的协作关系数据,包括但不限于工业生产记录,服务协作记录等结构化和非结构化信息。
3.根据权利要求1所述的一种工业互联网环境下面向生产要素的服务推荐方法,其特征在于,所述步骤(3)中,在进行算法的处理之前,已经完成数据的格式化,适配算法的输入。
4.根据权利要求1所述的一种工业互联网环境下面向生产要素的服务推荐方法,其特征在于,所述步骤(3)中,MOEA算法的参数调整均使用算法推荐的默认参数,且对结果进行标准化处理。