胡 雨 郭 鋼

1(重慶大學機械工程學院 重慶 400044) 2(重慶大學汽車工程學院 重慶 400044)

基于綜合模糊相似度的云制造需求—服務雙向匹配

胡 雨1郭 鋼2

1(重慶大學機械工程學院 重慶 400044)2(重慶大學汽車工程學院 重慶 400044)

為解決云制造環(huán)境下的服務選擇問題，提高服務和需求的匹配精度及供需雙方的滿意度，提出基于綜合模糊相似度的云制造服務雙向匹配模型。針對服務方和需求方各自的描述信息，結合功能和非功能要求，將供需雙方的描述信息進行基于匹配機制的雙向多屬性匹配。考慮匹配的穩(wěn)定性，綜合運用模糊概念語義相似度算法、直覺模糊集算法及相合系數(shù)法分別進行多屬性信息的相似度求解。再利用綜合加權法進行綜合模糊相似度計算，得到最佳匹配結果。實例分析和對比研究驗證了該匹配模型可行有效，能準確地為用戶選擇雙方都滿意的服務。

云制造 綜合模糊相似度 滿意度 雙向匹配

0 引 言

云制造是面向服務的制造理念，利用網(wǎng)絡和云制造服務平臺，按用戶需求組織網(wǎng)上制造資源(制造云)，為用戶提供各類按需制造服務的一種網(wǎng)絡化制造新模式[1]。由于云制造服務資源的多樣性，制造需求的復雜性，如何實現(xiàn)服務與需求的高效匹配，提高服務資源的優(yōu)化配置，快速優(yōu)質地完成云制造需求，對云制造的開展和實施具有重要作用。尹超等[2]提出了面向新產(chǎn)品開發(fā)的cmrsc優(yōu)選目標體系，并根據(jù)組合優(yōu)選過程中的目標變量的構成和服務資源組合基本類型的特點，建立了一種面向新產(chǎn)品開發(fā)的cmrsc優(yōu)選模型，采用灰色關聯(lián)度分配方法對模型求解過程進行了分析；盛步云等[3]提出采用關鍵字語義智能搜索，使用制造服務資源本體庫，根據(jù)需求本體構建形式化的需求匹配模式；董元發(fā)等[4]提出云制造模式下基于互評機制的云制造服務質量獲取方法，建立了云制造服務信任度評價模型，建立了基于服務匹配度與全局信任度的綜合優(yōu)化模型，并運用遺傳算法進行求解；文獻[5]中為解決云平臺中CAE仿真服務匹配，提出基于服務需求本體的相似度算法，與大多數(shù)云制造服務匹配問題大同小異。馬文龍等[6]提出一種基于QoS感知的云服務選擇模型，研究建立了適合云制造業(yè)務的QoS評價指標，信息感知模型和量化方法，利用變精度粗糙集理論計算權重，并對不誠實評價問題給出了誠實度信息校正方法。李新等[7]通過建立云制造資源及加工任務的統(tǒng)一本體模型后，再構建資源匹配模型，并將資源發(fā)現(xiàn)轉化為制造資源本體和加工任務本體之間的映射匹配來求解。趙雷[8]針對服務的匹配和組合問題，提出通過感知整個生命周期的服務關聯(lián)關系，利用關聯(lián)關系感知的服務保留算法，使得存在關聯(lián)關系的服務在服務匹配階段就被保留了下來，構成新的候選服務集合來進行服務的匹配和組合。文獻[9]為整合各種分布式制造資源和能力，提出云制造服務供應-需求匹配網(wǎng)的概念，將服務和需求分別看作兩個網(wǎng)，再基于兩者的輸入輸出作為匹配關系進行匹配。

上述文獻對云制造服務匹配和服務組合問題，從關鍵字、本體論、互評機制等多個方面作詳細研究，并設計匹配算法，但服務的選擇方式都是從服務需求方到服務提供方的單向選擇。趙金輝等[10]雖提出基于QoS的云制造服務雙向匹配模型，利用雙方的定性和定量評價，綜合考慮雙方滿意程度匹配服務，但其匹配的前提是在功能相同或相近的基礎上再來進行匹配，而服務功能相似度也有高有低，對最終的匹配結果也有一定影響。故本文根據(jù)服務方和需求方雙向描述，綜合考慮供需雙方各方面要求，提出基于模糊相似度的云服務雙向匹配模型。首先通過傳統(tǒng)的服務類別對云平臺中的服務進行初選，然后從功能性角度出發(fā)，對服務名稱、服務描述進行雙向匹配，再考慮非功能因素，對供需雙方對服務質量的要求，進行雙向匹配。綜合運用模糊概念語義相似度算法、直覺模糊集算法和相合系數(shù)法分別進行多屬性信息的相似度求解，再利用綜合加權法進行綜合模糊相似度計算，根據(jù)相似度的大小對候選服務進行排序。

1 基于綜合模糊相似度的云制造服務雙向匹配模型

云制造服務平臺中包含服務類別、名稱、詳情描述、QoS等基本信息，反映了制造云服務的基本特征。在云制造服務雙向匹配過程中，針對服務方和需求方各自的描述信息和要求，提取有效信息，進行服務類型、服務名稱和詳情描述、QoS屬性雙向匹配，綜合考慮各部分的相似度值，選擇最合適的服務?；诰C合模糊相似度的云服務雙向匹配模型如圖1所示。

圖1 基于模糊相似度的云服務雙向匹配模型

匹配過程中存在兩方主體，服務需求方和服務提供方。設服務需求方的需求集合為R={R1,R2,…，Ri}，Ri表示第i(i=1,2,…，k)個需求；服務提供方服務集合為S={S1,S2,…，Sj}，Sj表示第j(j=1,2,…，p)個服務。匹配的屬性為[category, name, describle, QoS], category 表示服務類別，name表示服務名稱，describle表示服務描述，QoS表示服務質量。Rcategory表示需求方所需的服務類別，Rcategory表示服務方所提供的服務類別。設需求方所需服務名稱集合為Rname={Rname1,Rname2,…，Rnamei}，Rnamei表示Ri的服務名稱；服務方提供的服務名稱集合為Sname={Sname1,Sname2,…，Snamej}，Snamej表示Sj的服務名稱。需求方所需服務詳情描述的集合為Rdescrible={Rdescrible1,Rdescrible2,…，Rdescriblei}，Rdescriblei表示Ri的服務描述；服務方提供的服務詳情描述的集合為Sdescrible={Sdescrible1,Sdescrible2,…，Sdescriblej},Sdescriblej表示Sj的服務描述。RQoS={RQoS1,RQoS2,…，RQoSn}是需求方對服務QoS的屬性指標集合，RQoSn是第n(n=1，2，…，q)個指標；SQoS={SQoS1,SQoS2,…，SQoSm}是服務方對需求方合作要求的屬性指標集合，SQoSm是第m(m=1，2，…，t)個指標。

匹配過程是需求方根據(jù)其需求對服務方提供服務的選擇過程。首先根據(jù)需求方所需服務類別進行服務初次篩選，過濾掉不相關的服務，減少計算量。再根據(jù)供需雙方的服務描述，進行Rname與Sname相似度匹配，得出模糊相似度值Simn，以及Rdescrible與Sdescrible相似度匹配，得出模糊相似度值Simd。根據(jù)名稱和描述的綜合模糊相似度Sim(n,d)的大小，篩選出滿足設定的Sim(n,d)值的服務，即功能相近的服務。再進行QoS指標雙向匹配，計算由需到供和由供到需的模糊相似度值SimRQ和由供到需的模糊相似度值SimSQ。最后計算四個屬性的綜合模糊相似度值Sim(n，d，RQ,SQ)，保留并輸出滿足設定Sim(n,d,RQ,SQ)值的服務，即雙方都滿意的服務。

2 匹配算法

為減少匹配運算量，在云制造服務平臺中發(fā)布服務時對服務進行分類處理，用戶根據(jù)所需服務選取相關服務類別，過濾不相關的服務，再進行功能和非功能雙向匹配。

2.1 服務名稱和服務描述雙向匹配

服務名稱和服務描述通常是以詞組、句子或者一組概念的形式出現(xiàn)，所以采用多模糊概念語義相似度算法，其實質是采用了向量空間這個數(shù)學模型。服務名稱和服務描述的相似度計算采用文獻[11]中所用的方法，具體描述如下：

對于兩個句子，分別設為向量A和B：

A=(X1，X2，…，XN)

B=(Y1，Y2，…，YM)

(1) 構造A與B的模糊相似矩陣SAB，其中XiYj表示關鍵詞Xi和Yj的語義相似度；

(2) 將矩陣SAB壓縮至一維；

(1)

即對矩陣中的每行取最大值，然后對這些最大值取平均值。由于矩陣中的每一行列舉了句子A中的某一個關鍵詞語和句子B中所有詞語的語義相似度。求最大值，其實就是求句子A中的這個關鍵詞語與句子B的最大相似度。再計算平均值，其實就是計算句子A中所有詞語與句子B的語義相似度的平均值。最后用這個平均值來表示句子A與句子B的語義相似度。同理可得SemSimilarity(B,A)。

(3) 計算A和B的模糊語義相似度；

(2)

該種方法計算的句子之間的語義相似度的準確性主要依賴詞語之間的語義相似度的計算，即XiYj，而對于詞語之間的語義相似度計算已有很多種方法，本文參考文獻[12]中的方法，由于篇幅問題，這里就不作詳細說明。

使用上述方法進行Rname與Sname，Rdescrible與Sdescrible模糊相似度計算，得出模糊相似度值Simn、Simd，再計算名稱和描述的綜合模糊相似度Sim(n,d)的大小。

Sim(n,d)=α×Simn+β×Simd
(α,β為權重系數(shù)，滿足α+β=1)

(3)

2.2 服務質量QoS雙向匹配

在進行服務名稱和服務描述的匹配，即是對服務的功能匹配過后，篩選出滿足設定值的服務集合，再集合里的服務進行QoS的雙向匹配計算。

國際標準ISO8402對QoS的定義為[13]: QoS是由一些非功能屬性組成，包括服務價格(price)、服務執(zhí)行時間(time)、服務可用性(availability)、服務可靠性(reliability)等，在一定程度上體現(xiàn)了服務提供者提供的服務質量本身的物理意義。本文進行是QoS的雙向匹配，除了服務需求者對服務提供者提供的服務本身有服務價格(price)、服務執(zhí)行時間(time)、服務可用性(availability)等方面的屬性要求外，服務提供者對服務需求者也有如技術難度、信譽度、付款速度等方面的屬性要求。QoS的雙向匹配考慮供需雙方對服務質量的要求，不但能提高云服務的匹配準確率和召回率，更能合理選擇服務，避免服務資源的浪費。因此，本文給出如下QoS的雙向匹配指標模型：

(1) 服務需求方對服務的QoS指標屬性RQoS={RQoSprice，RQoStime，RQoStec-level，RQoSreputation，RQoSreliability}。RQoSprice表示云服務的價格，為單件產(chǎn)品的外協(xié)報價和每公里的運輸成本之和；RQoStime為云服務的時間，即加工和運輸需要的天數(shù)；RQoSreliability為云服務的可靠性，由“正常響應次數(shù)/被調用次數(shù)”表示；RQoStec-level，RQoSreputation分別為云服務的技術水平和信譽度，通過等級短語評價進行表示。

(2) 服務提供方對需求方的QoS指標屬性SQoS={SQoSV-pay,SQoStec-difficulty,SQoSreputation}。SQoSV-pay為付款速度，表示達成交易協(xié)議時，能夠付全款的95%需要的天數(shù)，另5%通常為質保金；SQoStec-difficulty，SQoSreputation為技術難度和信譽度，通過等級短語評價進行表示。

2.2.1 QoS指標量化

由于信譽度、技術水平和技術難度很難用精確的某個數(shù)字進行表示，需采用一個合適的語言術語集來進行描述。本文使用的語言術語集為集合{非常高(Very High)，較高(High)，一般(Middle)，較低(Low)，非常低(Very Low)}。短語描述雖然能夠準確合理地表達QoS指標的程度，但卻不能直接用于計算。因此，需要對其進行量化。

常用的量化方法是使用轉換函數(shù)將模糊的語言描述映射為相應的模糊值，本文采用直覺模糊函數(shù)，對應直覺模糊集理論[14-15]。術語集取為奇數(shù),本文定義為5級，使中間值近似為0.5,而剩下的成對稱分布。術語集中各術語用模糊數(shù)來表示,取值在[0,1]之間。用模糊數(shù)表示的5級術語集如表1所示。

表1 語言術語集對應的模糊數(shù)表

用戶給出QoS屬性的語言術語等級和不確定度πQoS，再查找表1得到對應的直覺模糊數(shù)表達式[μQoS,νQoS-πQoS]，μQoS表示隸屬度，νQoS表示非隸屬度，最后根據(jù)式(4)將語言型QoS屬性轉化為數(shù)值。

qQoS=μQoS-νQoS×πQoS

(4)

2.2.2 QoS指標歸一化

由于各個QoS屬性的物理意義不同，其對應的計量單位也不相同，所以屬性值的量綱和數(shù)量級可能不同。為了便于比較服務，需要將服務的QoS屬性值進行歸一化處理。本文采用文獻[16]中的函數(shù)進行歸一化處理，如式(5)、式(6)所示：

(5)

(6)

2.2.3 QoS模糊相似度計算

將QoS屬性經(jīng)過量化和歸一化處理后，得到一個多維向量，故本文就采用向量間的比較來計算服務需求者的提出QoS屬性與候選服務的QoS屬性的相似度SimRQ以及服務提供者提出的QoS屬性與待選需求的QoS屬性相似度SimSQ。設兩個多維向量為：

C=(C1,C2,…，Cn)

圖2給出了向量C和C′在向量空間的位置關系。由圖2可知，影響向量之間的因素有兩個：向量的模的大小關系和向量之間的夾角，當向量C和C′模的大小越接近時越相似，同理，當向量C和C′模的夾角越小時越相似。

圖2 向量空間模型中的向量C和C′

本文采用常用的夾角余弦法[17]來度量兩組向量的相似度，也稱為相和系數(shù)法，其表達式為：

(7)

Sim(RQ,SQ)=γ×SimRQ+δ×SimSQ
(γ,δ為權重系數(shù)，滿足γ+δ=1)

(8)

綜上，通過計算得出服務名稱和描述的綜合模糊相似度Sim(n,d)的大小以及QoS雙向匹配綜合模糊相似度Sim(RQ,SQ)，再使用綜合加權法進行綜合模糊相似度求解，如式(9)所示:

Sim(n,d,RQ,SQ)=ω1×Sim(n,d)+ω2×Sim(RQ,SQ)

(9)

其中，ω1、ω2為權重系數(shù)，滿足ω1+ω2=1。

最后，根據(jù)綜合模糊相似度值Sim(n,d,RQ,SR)的大小，綜合考慮功能和非功能因素，降序輸出滿足要求的服務序列。雙向匹配計算過程如圖3所示。

圖3 雙向匹配計算過程圖

3 實驗驗證

為了驗證模型的合理性和實用性，以JDK 7+Eclipse 4.5+MySQL 5.6 為開發(fā)環(huán)境，Tomcat 7.0為中間件搭建云制造服務試驗平臺進行仿真測試，用Java語言編寫仿真程序實現(xiàn)云制造服務選擇與調用。

以某塑料外殼加工為例，4個并發(fā)用戶(分別用R1，R2，R3，R4表示)需要該類生產(chǎn)加工服務，云制造服務平臺中包含80個用于測試的制造云服務，用Sj表示(j=1，2，…,80)。服務方將服務發(fā)布在云服務平臺的同時提出對合作者的QoS要求；需求方通過名字和服務詳情以及對服務QoS要求，平臺系統(tǒng)根據(jù)雙方設定的條件，從數(shù)據(jù)庫中抽取數(shù)據(jù)進行服務的匹配。

根據(jù)4個并發(fā)用戶需求，以“塑料加工”為服務類別對云制造服務平臺中的80個服務進行初選，該服務類別下共15個服務，用Sj表示(j=1，2，…,15)。按照2.1節(jié)的描述對4個并發(fā)需求進行名字和詳情描述的匹配，提取需求和服務中的關鍵詞進行相似度計算，令式(3)中權重系數(shù)α、β均為0.5，相似度要求為Sim(n,d)≥0.700 0 。4個并發(fā)需求與15個服務名稱和詳情描述雙向匹配結果如表2所示。

表2 服務名稱和詳情描述雙向匹配相似度值列表

注：“-”表示對應的服務不滿足相似度要求

針對4個需求所對應的15個服務，再進行QoS雙向匹配。由2.2節(jié)，服務需求方考慮的服務QoS指標為：價格、時間、可靠性、技術水平和信譽度；服務提供方考慮：付款速度、技術難度和信譽度。雙方給出各自對QoS指標的要求，平臺系統(tǒng)獲取數(shù)據(jù)按照2.2節(jié)所述算法進行匹配計算。4個并發(fā)需求和15個服務的QoS與合作條件分別如表3、表4所示。

表3 Ri屬性和QoS要求

表4 Sj服務QoS與合作要求

結合表1和式(4)對表3和表4中的短語評價進行量化處理，不確定度πQoS由用戶輸入。為了便于比較服務，再將量化后的數(shù)值進行歸一化處理，其中價格、時間、付款速度、技術難度采用式(6)進行歸一化處理，而技術水平，可靠性和信譽度采用式(5)進行歸一化計算。歸一化處理后再進行相似度計算，首先將4個并發(fā)需求Ri的QoS要求當作四組五維向量，將15個服務Sj的QoS屬性看作15組五維向量，然后運用式(7)進行由需求到服務的一一匹配計算。同理，由服務Sj的合作要求與需求Ri屬性計算出從服務到需求的匹配相似度值。將兩組相似度值按照式(8)進行綜合相似度值的計算，令式中的權重系數(shù)γ和δ均為0.5。最終QoS雙向匹配的綜合相似度值如表5所示。

表5 Ri與SjQoS雙向匹配的綜合相似度值

最后，利用式(9)對表2和表5中的數(shù)據(jù)進行綜合相似度值的計算。值得注意的是，云制造服務的匹配必須在滿足功能性要求的基礎上再考慮非功能因素，因此計算時令式(9)中的權重系數(shù)ω1為0.7，ω2為0.3，相似度要求為Sim(n,d,RQ,SQ)≥0.800 0。最終4個并發(fā)需求的匹配結果如表6所示。

表6 Ri與Sj雙向匹配綜合相似度值

為方便4個并發(fā)需求方選取供需雙方都適合并且滿意的服務，平臺按照表6中最后的綜合相似度值降序排列輸出服務，最后結果排序如表7所示。

表7 Ri與Sj匹配結果

為了便于分析，以需求R1為例，分別使用文獻[3]中基于關鍵字語義匹配法和文獻[6]中基于變精度粗糙集的單向選擇算法進行匹配運算，計算結果如表8所示。

表8 R1對比方法輸出結果

符合需求R1要求的服務集合C={S2，S3，S6}，通過表7和表8的對比可以看出，匹配結果有所不同?；陉P鍵字語義匹配和變精度粗糙集法能從需求方出發(fā)匹配到部分合適的服務?；陉P鍵字語義匹配能獲取滿足需求R1功能的服務S2、S3、S5，變精度粗糙集法能從QoS方面匹配R1需求方滿意的服務S3、S6、S15。但是相比較而言，本文的方法能綜合需求R1功能和非功能因素，結合需求方和服務方要求選擇雙方滿意的服務S2、S3、S6。

同時，為了驗證本文提出的雙向匹配法的召回率和準確率，使用Matlab進行多次實驗得出基于關鍵字語義匹配、基于變精度粗糙集法以及本文方法的Precision-Recall曲線圖，如圖3所示。從圖3可以看出，本文的召回率和準確率也得到明顯改善。

圖3 Precision-Recall曲線圖

從實際交易出發(fā)，在基本滿足功能的條件下，需求方肯定會選擇滿足自己要求的一方為自己服務和進行交易，而在此基礎之上，本文提出的基于模糊相似度的雙向匹配模型還加入服務方的要求。這樣，從匹配的準確率和召回率來看，提高了云制造服務的供需匹配精度，并且節(jié)約云制造資源，從挑選最優(yōu)的服務升華到了匹配供需雙方最合適的服務，打破傳統(tǒng)的云制造服務匹配方式。

4 結 語

本文結合云制造服務中需求方與服務方的匹配需求，提出基于綜合模糊相似度的雙向云服務匹配模型?？紤]需求方對服務的功能性要求，利用服務名稱和服務詳情描述進行初次篩選，運用多概念語義相似度算法計算名稱和詳情描述雙向匹配相似度值。然后從非功能性角度出發(fā)，結合服務供需雙方的QoS屬性和要求，將QoS屬性指標量化和歸一化處理，轉化為多維向量。再通過向量相似度值的計算得出QoS雙向匹配相似度值。最后運用綜合加權法得到服務功能和非功能的綜合匹配度，為云制造服務的供需雙方匹配提供量化的數(shù)據(jù)支撐。實驗結果表明，該匹配模型能從云服務的需求方和提供方雙方綜合考慮，提供供需雙方均合適的服務，不僅能在一定程度上提高匹配準確率和召回率，更能從實際出發(fā)，合理分配云制造資源。

下一步將考慮算法中各權重系數(shù)對匹配結果的影響，利用合適的方法對各權重系數(shù)進行修正，不斷完善和細化該雙向匹配模型。

[1] 李伯虎, 張霖, 王時龍,等. 云制造——面向服務的網(wǎng)絡化制造新模式[J]. 計算機集成制造系統(tǒng), 2010,16(1):1-7,16.

[2] 尹超, 張云, 鐘婷. 面向新產(chǎn)品開發(fā)的云制造服務資源組合優(yōu)選模型[J]. 計算機集成制造系統(tǒng), 2012,18(7):1368-1378.

[3] 盛步云, 張成雷, 盧其兵,等. 云制造服務平臺供需智能匹配的研究與實現(xiàn)[J]. 計算機集成制造系統(tǒng), 2015, 21(3):822-830.

[4] 董元發(fā), 郭鋼. 基于模板與全局信任度的云制造服務評價與選擇方法[J]. 計算機集成制造系統(tǒng), 2014,20(1):207-214.

[5] Deng Ziyun, Zhang Jing, Cai Lijun, et al.Matching Algorithm Based on Semantic Similarity of Service Requirement Ontology for CAE Simulation in Cloud Platform[J]. International Journal of u-and e-Service, Science and Technology, 2016, 9(9):221-242.

[6] 馬文龍, 朱李楠, 王萬良. 云制造環(huán)境下基于QoS感知的云服務選擇模型[J]. 計算機集成制造系統(tǒng), 2014, 20(5):1246-1254.

[7] 李新, 董朝陽. 基于本體映射的云制造資源與加工任務智能匹配[J]. 組合機床與自動化加工技術,2015(11):157-160.

[8] 趙雷. 關聯(lián)關系感知的制造云服務匹配與組合方法研究[D].北京理工大學,2016.

[9] Cheng Y, Tao F, Zhao D, et al. Modeling of manufacturing service supply-demand matching hypernetwork in service-oriented manufacturing systems[J]. Robotics and Computer-Integrated Manufacturing, 2016，45.

[10] 趙金輝, 王學慧. 基于服務質量的云制造服務雙向匹配模型[J]. 計算機集成制造系統(tǒng), 2016,22(1):104-112.

[11] 徐易. 智能答疑系統(tǒng)關鍵技術的研究與實現(xiàn)[D]. 東南大學, 2003.

[12] 劉群, 李素建.基于知網(wǎng)的詞匯語義相似度計算[C]//第三屆漢語詞匯語義學研討會,臺北,2002:59-76.

[13] 崔彥. 基于語義Web的服務匹配模型研究[D]. 大連理工大學, 2006.

[14] 秦佳. 服務組合中基于混合QoS模型的服務選擇研究[D]. 重慶大學, 2010.

[15] 周曉光, 張強, 胡望斌. 基于Vague集的TOPSIS方法及其應用[J]. 系統(tǒng)管理學報, 2005,14(6):537-541.

[16] 王尚廣, 孫其博, 張光衛(wèi),等. 基于云模型的不確定性QoS感知的Skyline服務選擇[J].軟件學報, 2012, 23(6):1397-1412.

[17] 張宇, 劉雨東, 計釗.向量相似度測度方法[J].聲學技術,2009,28(4):532-536.

TWO-SIDEDMATCHINGMODELOFREQUIREMENTS-SERVICEBASEDONCOMPREHENSIVEFUZZYSIMILARITYINCLOUDMANUFACTURING

Hu Yu1Guo Gang2

1(SchoolofMechanicalEngineering,ChongqingUniversity,Chongqing400044,China)2(SchoolofAutomotiveEngineering,ChongqingUniversity,Chongqing400044,China)

In order to solve the problem of service selection in cloud manufacturing environment and improve the matching accuracy of service and demand and the satisfaction of both supply and demand, this paper proposes a two-sided matching model of cloud manufacturing services based on the comprehensive fuzzy similarity. According to the description information of the service side and the demand side, combining with the functional and non-functional requirements, the description information of the supply and demand sides are two-sided multi attribute matched based on the matching mechanism. Considering the stability of matching, the similarity of multiple attribute information is solved by using fuzzy concept semantic similarity algorithm, intuitionistic fuzzy set algorithm and consistency coefficient method respectively. Then the comprehensive fuzzy similarity is calculated by the comprehensive weight method, and the best matching results are obtained. The example analysis and comparative study show that the matching model is feasible and effective, and it can accurately select both services for the users.

Cloud manufacturing Comprehensive fuzzy similarity Satisfaction Two-sided matching

2016-12-14。國家自然科學基金項目(51375510)；科技部國家科技支撐計劃項目(2012BAH32F04)。胡雨，碩士生，主研領域：信息化制造，云制造。郭鋼，教授。

TP393

A

10.3969/j.issn.1000-386x.2017.11.005