基于混合进化算法的云制造服务调度系统设计与实现开题报告

1. 研究目的与意义（文献综述）

1.1 研究目的及意义

工业机器人是集机械、电子、控制、计算机、传感器、人工智能等多学科先进技术于一体的现代制造业重要的自动化装备。在发达国家中，由工业机器人主导的自动化生产线是制造业的主流以及未来的发展方向。随着智能化技术的发展，传统的工业机器人的图像和语音识别技术受到了较大的影响，但是假如通过深度学习创建的神经网络研究的深入，工业机器人的应用模式将巨大的改变，具有更为广阔的发展空间。将深度学习与云机器人相结合，云机器人则能针对工业机器人的神经网络运转提供足够的数据，还能够在世界范围创造庞大的数据库，在需要时提供相关的数据以及计算方法。云制造通过云机器人和深度学习相结合，推动了人工智能的发展，同时推动了第三次工业革命的到来。

2. 研究的基本内容与方案

云计算资源调度策略包括先进先出调度算法、计算能力调度算法、公平调度算法、智能调度算法等。先进先出就是简单的排队策略，计算能力调度策略是在先进先出基础上，参考队列资源饥饿程度再次分配，公平调度算法以用户为单位进行资源分配，以用户提交的任务量为权重分配计算资源，有效避免了不必要等待时间，智能调度算法是使用智能控制算法对云计算资源的调度，通过算法寻求计算资源的最优配置，达到某一最优目标，比如能耗最优、总体时间最优、等待时间最优、负载平衡等。

为减少云计算的任务完成时间，本设计将引入高斯变异和自适应因子对人工蜂群算法进行改进，兼顾算法前期全局搜索能力和后期局部细致搜索，引入自适应交叉概率对差分进化算法进行改进，兼顾算法的基因多样性和收敛速度，而后将两改进算法进行结合提出了差分进化人工蜂群算法，使两改进算法并行寻优，并及时交流最优解及位置信息，使两算法能够快速靠近最优解，最终提高了最优精确度、减少了算法迭代次数和收敛时间。

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告；

第4－5周：在导师的指导下，进一步分析整理资料，熟悉掌握基本理论知识，以完善论文的实际可操作性，并完成英文文献的翻译；

4. 参考文献（12篇以上）

[1]zhoul , zhang l , ren l , et al. real-time scheduling of cloud manufacturingservices based on dynamic data-driven simulation[j]. ieee transactions onindustrial informatics, 2019:1-1.[2]李志敏, 张伟. 基于差分进化人工蜂群算法的云计算资源调度[j]. 计算机工程与设计, 2018, 39(11):159-163.[3]thakur s s , singh s , singh p , et al. optimized task schedulingusing differential evolutionary algorithm[m]// advances in computer andcomputational sciences. 2017.[4]wang x v , wang l , mohammed a , et al. ubiquitous manufacturingsystem based on cloud: a robotics application[j]. robotics andcomputer-integrated manufacturing, 2017, 45(c):116-125.[5]陈海燕. 基于多群智能算法的云计算任务调度策略[j]. 计算机科学, 2014, 41(z6):83-86.

[6]徐方.工业机器人产业现状与发展[j].机器人技术与应用,2007(05):2-4.

[7]章琪.帮机器人看到重点——“深度学习”能够转化机器人的视觉[j].世界科学,2015(01):54-56.