基于智能优化算法的制造业服务组合个性化推荐系统的研究与设计开题报告

 2022-01-01 22:19:30

全文总字数:4314字

1. 研究目的与意义(文献综述)

近年来,随着物联网、大数据、云计算、人工智能等新一代信息技术的飞速发展,“中国制造2025”、“互联网 智能制造”等概念相继被提出,我国制造业正面临巨大变革。为了顺应发展趋势,制造业界先后推出了一系列工业互联网平台,不断提高制造业数字化、网络化、智能化的整体水平。工业互联网平台是构建基于海量数据采集、融合、分析的服务体系,是支撑制造资源泛在连接、柔性供给、高效配置的载体。工业互联网平台融合了新一代信息技术和面向服务的思想,把制造业企业在线下的制造资源和能力,反映到线上的信息网络平台,实现制造信息的全面互联互通互享。由于用户所需的制造服务往往无法通过单个制造服务完成,工业互联网平台必须要将多个制造服务以组合的形式推荐给平台用户。并且为了提高用户对制造服务组合推荐的满意度,工业互联网平台必须基于历史数据分析平台用户的主观偏好,从而实现针对平台用户的个性化推荐。工业互联网平台的这种应用场景对制造服务的推荐系统提出了很高的要求。因此,在进行制造服务组合个性化推荐时,有效综合制造服务的客观属性和平台用户的主观偏好等因素是非常重要。研究制造服务组合的个性化推荐系统的问题具有重要的研究意义。

如今,众多工业互联网平台在实际应用中不断拓展各项功能,持续向平台用户提供多样化、分布式的制造服务。工业互联网平台的推荐系统在与众多用户的交互中,产生并收集了大量的数据,其中就包含了制造服务组合模式的服务质量(qos)属性、平台用户的偏好属性等高价值数据。一种新的研究思路就是基于智能优化算法分析相关数据,构建出基于制造服务组合的qos属性和平台用户的主观偏好属性的推荐系统,从而满足平台用户对制造服务组合的个性化需求。以下就是近年来关于制造服务组合优化和个性化服务推荐的研究现状。

近年来,针对制造服务组合优化的研究主要集中在优化模型的建立和优化算法的设计上。如张帅等人构建了一个基于协作服务组的模糊qos感知制造服务组合模型,该模型不仅拓展了传统的基于映射的服务和子任务之间的关系,而且使用了模糊数客观地描述了qos值。为了在应用中获得更好的解集,优化算法往往需要进行重新设计。如bouzary等人提出了一种基于最近发展的灰狼优化算法和遗传算法进化算子的混合算法,用于解决制造服务组合和最优选择问题。这些针对优化模型和优化算法的研究通常以拓展qos属性为优化目标,并采用qos属性赋权的方式考虑用户的偏好属性。个性化服务推荐问题的研究目标是根据用户或其邻居的历史购买记录来评价服务,从而为目标用户推荐top-n合适的服务。目前对个性化服务推荐问题的最新研究方法主要有协同过滤、上下文感知推荐和异构信息网络。如刘健等人通过融合信任网络设计了一种信任感知协同过滤方法,解决了不可靠用户导致的预测精度和推荐质量低的问题。程天等人在考虑用户和服务的位置上下文特征的基础上,提出了一种基于qos预测和层次张量分解的web服务推荐方法。谢芳等人提出了一种基于异构信息网络和语义相似度的服务推荐方法,该方法可以集成基于服务的系统 (sbs) 及其组件服务的多种信息。从以上学者的研究可知,现有的制造服务组合优化问题依靠qos属性的主观权重来实现个性化考虑,而很少考虑不同的用户个性化因素,因此在多目标环境下难以完整动态地反映用户的个性化需求。同时,对个性化服务推荐的研究主要应用于单个web服务,对于制造任务通常由多阶段异构制造子任务组成的实际情况,往往难以有效应用。目前很少有文献对综合制造服务组合的qos属性和用户主观偏好属性的多属性个性化推荐进行专门研究。因此,本课题着重解决上述研究的不足。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

研究目标:

本文针对制造服务组合的个性化推荐问题,提出了基于智能优化算法分析制造服务组合模式的qos属性、用户的偏好等数据,构建出基于制造服务组合的qos客观属性和用户主观偏好属性的多属性决策系统,从而满足目标用户个性化需求的制造服务解决方法。

研究内容:

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

1. 第1-3周:完成开题报告和英文翻译;

2. 第4-6周:完成毕业设计相关内容的总体方案设计;

3. 第6-8周:完成毕业设计相关内容的详细方案设计;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

[1]bi,x., wang,c. an improved nsga-Ⅲ algorithm based on objectivespace decomposition for many-objective optimization[j].soft computing,2017, 21(15):4269-4296.

[2]guo,l.,mu,d.,cai,x.,sun,j., hao,f. personalized qos prediction forservice recommendation with a service-oriented tensor model[j].ieee access,2019, 7:55721-55731.

[3] 郁磊,史峰,王辉,胡斐.matlab智能算法30个案例分析[m].北京:北京航空航天大学出版社,2011.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。