亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        融合直覺(jué)模糊灰色理論的制造云服務(wù)QoS評(píng)價(jià)方法

        2023-07-28 04:19:24趙小會(huì)郭立穎李維乾
        關(guān)鍵詞:直覺(jué)關(guān)聯(lián)度排序

        陳 君,趙小會(huì),郭立穎,季 虹,李維乾

        (西安工程大學(xué) 計(jì)算機(jī)科學(xué)學(xué)院/陜西省服裝設(shè)計(jì)智能化重點(diǎn)實(shí)驗(yàn)室,陜西 西安 710048)

        0 引 言

        在新一輪的全球工業(yè)革命中,以云計(jì)算[1]為代表的新一代信息技術(shù)與制造業(yè)加速融合,正在引領(lǐng)新一代信息技術(shù)革命和產(chǎn)業(yè)革命,我國(guó)也提出了“中國(guó)制造2025”的發(fā)展計(jì)劃。通過(guò)構(gòu)建企業(yè)信息互通、資源共享、開(kāi)放合作、互利共贏的公共平臺(tái),通過(guò)促進(jìn)云端企業(yè)智能制造、協(xié)同制造、云制造能力的形成,最終實(shí)現(xiàn)企業(yè)有組織,資源無(wú)邊界的目標(biāo),適應(yīng)新時(shí)代經(jīng)濟(jì)發(fā)展,滿足制造業(yè)轉(zhuǎn)型升級(jí)的需求。

        制造云服務(wù)是云服務(wù)[2]的衍生,更是云制造的核心組成部分,它是一種通過(guò)互聯(lián)網(wǎng)等媒介,將資源、信息和知識(shí)等進(jìn)行統(tǒng)一規(guī)范地嵌入封裝、虛擬化后得到的富含語(yǔ)義的Web服務(wù),在云制造中扮演著重要角色[3]。隨著云制造技術(shù)的不斷推廣和應(yīng)用,各種制造云服務(wù)大量涌現(xiàn)以滿足用戶與日俱增的需求,但如何合理評(píng)價(jià)符合用戶要求的云服務(wù)也逐漸成為了亟待解決的問(wèn)題。制造云服務(wù)的QoS作為一種可以衡量云制造服務(wù)質(zhì)量的概念[4],能夠有效地體現(xiàn)功能相同的Web服務(wù)之間的差別,為用戶選擇提供重要參考,目前得到了工業(yè)界和學(xué)術(shù)界的廣泛關(guān)注。

        文獻(xiàn)[5]僅將時(shí)間作為QoS的一個(gè)參數(shù),提出了一種靜態(tài)最后期限分配方法;文獻(xiàn)[6]提出了一種以時(shí)間、耗費(fèi)和可靠性等為評(píng)價(jià)指標(biāo)的預(yù)測(cè)QoS模型;文獻(xiàn)[7]以資源消耗、時(shí)間消耗、安全性、可靠性等作為QoS評(píng)價(jià)指標(biāo),同時(shí)結(jié)合模糊排序算法給出了關(guān)于Web Service的排序;文獻(xiàn)[8]通過(guò)執(zhí)行周期、可用性等指標(biāo)構(gòu)建Web服務(wù)的QoS指標(biāo)評(píng)價(jià)模型,并采用模糊算法對(duì)服務(wù)進(jìn)行排序選擇;文獻(xiàn)[9]通過(guò)時(shí)效性、可用性、誠(chéng)信度等構(gòu)建可信特征集,并采用加權(quán)平均的方法來(lái)計(jì)算云制造服務(wù)的可信度,與可信評(píng)價(jià)相結(jié)合來(lái)指導(dǎo)云服務(wù)的選擇;文獻(xiàn)[10]根據(jù)用戶需求對(duì)制造云服務(wù)進(jìn)行篩選,采用主客觀相結(jié)合的方法對(duì)云服務(wù)質(zhì)量進(jìn)行評(píng)估選擇;文獻(xiàn)[11]以加工能力、服務(wù)質(zhì)量等對(duì)服務(wù)進(jìn)行建模,結(jié)合灰色關(guān)聯(lián)度的方法對(duì)云制造服務(wù)進(jìn)行評(píng)價(jià);文獻(xiàn)[12]通過(guò)服務(wù)價(jià)格、可維護(hù)性等建立評(píng)價(jià)指標(biāo)體系,采用三角模糊數(shù)算法計(jì)算需求者與服務(wù)提供之間的相似度;文獻(xiàn)[13]以安全、價(jià)格、性能等作為評(píng)價(jià)指標(biāo),引入三角模糊數(shù)對(duì)模糊指標(biāo)進(jìn)行量化,采用FAHP方法計(jì)算各個(gè)指標(biāo)的權(quán)重,通過(guò)計(jì)算得到候選云服務(wù)的排名;文獻(xiàn)[14]以費(fèi)用、時(shí)間作為評(píng)價(jià)指標(biāo),并且將各屬性的評(píng)價(jià)全部統(tǒng)一轉(zhuǎn)化成直覺(jué)模糊數(shù)來(lái)表示,利用層次分析法確定各指標(biāo)的權(quán)重,通過(guò)逼近理想解的排序算法計(jì)算得出候選服務(wù)的優(yōu)劣;文獻(xiàn)[15]以能耗、成本等建立評(píng)價(jià)指標(biāo)模型,引用VS-ABC算法得出最優(yōu)云服務(wù);文獻(xiàn)[16]提出了QM-SDNCCP服務(wù)質(zhì)量模型,并結(jié)合度量元的計(jì)算方法對(duì)服務(wù)質(zhì)量進(jìn)行評(píng)價(jià);文獻(xiàn)[17]提出了一種關(guān)于QoS的云服務(wù)滿意度預(yù)測(cè)模型,使用二階隱馬爾可夫模型構(gòu)建預(yù)測(cè)模型;文獻(xiàn)[18]運(yùn)用直覺(jué)模糊數(shù)對(duì)不可量化的指標(biāo)進(jìn)行評(píng)價(jià),并結(jié)合余弦相似度來(lái)計(jì)算候選服務(wù)與最優(yōu)服務(wù)相似度,對(duì)候選服務(wù)進(jìn)行排序;文獻(xiàn)[19]以可信度、復(fù)雜度等指標(biāo)構(gòu)建QoS評(píng)價(jià)模型,結(jié)合熵增強(qiáng)粒子優(yōu)化算法,從而對(duì)制造云服務(wù)進(jìn)行優(yōu)化。

        以上研究更多的是針對(duì)自身屬性進(jìn)行建模,對(duì)非量化屬性的建模與用戶的互動(dòng)性考慮得不多。為此本文綜合以往研究成果,同時(shí)考慮可量化和不可量化評(píng)價(jià)指標(biāo)建立QoS評(píng)價(jià)模型,通過(guò)直覺(jué)模糊數(shù)解決非量化指標(biāo)評(píng)價(jià)問(wèn)題,最后采用灰色理論,對(duì)制造云服務(wù)進(jìn)行排序,幫助用戶挑選最合適的制造云服務(wù)。

        1 制造云服務(wù)QoS評(píng)價(jià)框架

        云制造模式下,制造資源等都會(huì)通過(guò)云化封裝,以制造云服務(wù)的方式展現(xiàn)。面向制造云服務(wù)的QoS評(píng)價(jià)模型如圖1所示。

        圖 1 面向制造云服務(wù)的QoS評(píng)價(jià)模型Fig.1 QoS evaluation model for manufacturing cloud services

        圖1中,模型分為用戶模塊、云制造服務(wù)平臺(tái)模塊和制造商模塊3個(gè)部分,制造商提供的服務(wù)匯聚在云平臺(tái),當(dāng)用戶提出需求信息時(shí),用戶模塊向云制造服務(wù)平臺(tái)提交服務(wù)申請(qǐng),云制造平臺(tái)會(huì)依據(jù)需求在已經(jīng)注冊(cè)過(guò)的云服務(wù)中查詢匹配符合用戶要求的云服務(wù)集合。

        隨后,平臺(tái)從制造商和用戶2個(gè)層面所定義的QoS指標(biāo)對(duì)云制造服務(wù)進(jìn)行排序優(yōu)選,返回最終排序結(jié)果給用戶,用戶依據(jù)返回結(jié)果選擇所需云服務(wù)并在執(zhí)行該服務(wù)后反饋使用評(píng)價(jià),供后續(xù)參考。用戶的評(píng)價(jià)結(jié)果隨著制造云服務(wù)的執(zhí)行次數(shù)增多而越來(lái)越接近真實(shí)值,其參考意義也越大。

        1.1 面向制造云服務(wù)的QoS評(píng)價(jià)體系

        云制造技術(shù)將資源、能力和知識(shí)嵌入到網(wǎng)絡(luò)環(huán)境中,希望構(gòu)建一個(gè)制造企業(yè)、客戶和中間方等可以充分溝通的公用制造環(huán)境,更加注重用戶的參與,使得制造企業(yè)在提供高質(zhì)量的云服務(wù)的同時(shí),不得不關(guān)注用戶的使用體驗(yàn)。

        云制造平臺(tái)中的云服務(wù)多種多樣,具有異構(gòu)、分散、動(dòng)態(tài)、實(shí)時(shí)、主動(dòng)、服務(wù)、互動(dòng)及協(xié)同等特性,若要對(duì)其合理評(píng)價(jià),首先需要建立一個(gè)適當(dāng)?shù)脑u(píng)價(jià)體系。綜合以往的研究得到了如圖2所示的一組制造云服務(wù)QoS評(píng)價(jià)體系。

        圖 2 制造云服務(wù)QoS評(píng)價(jià)體系Fig.2 QoS evaluation for manufacturing cloud services

        圖2中,制造云服務(wù)的QoS評(píng)價(jià)指標(biāo)體系由6個(gè)關(guān)鍵指標(biāo)及子指標(biāo)構(gòu)成,包括服務(wù)價(jià)格、服務(wù)時(shí)間、服務(wù)安全、服務(wù)成功率、信譽(yù)等級(jí)和滿意度反饋。

        服務(wù)時(shí)間表示云服務(wù)執(zhí)行所耗費(fèi)時(shí)間,包括從云服務(wù)響應(yīng)請(qǐng)求到服務(wù)提供者按要求開(kāi)展工作,再到反饋?zhàn)罱K結(jié)果的時(shí)間總和。其元素主要包含響應(yīng)時(shí)間、執(zhí)行效率。

        一般來(lái)說(shuō),響應(yīng)時(shí)間由服務(wù)提供者事先預(yù)估,在未來(lái)的使用中逐步修正。如果實(shí)際的響應(yīng)和執(zhí)行時(shí)間越少意味著可以在更短的時(shí)間得到新產(chǎn)品,越有利于增強(qiáng)企業(yè)競(jìng)爭(zhēng)力。

        服務(wù)價(jià)格表示調(diào)用云服務(wù)需要支付的費(fèi)用,是評(píng)價(jià)指標(biāo)的重要參考項(xiàng),其元素主要包括服務(wù)成本、服務(wù)報(bào)價(jià)。在云制造中,通常是由服務(wù)的提供者依據(jù)市場(chǎng)和自身情況制定,供服務(wù)調(diào)用者參考。與時(shí)間因素一樣,費(fèi)用越低,企業(yè)所擔(dān)負(fù)的成本也越少。

        服務(wù)安全表示云服務(wù)的安全性。其元素主要包含保密性、安全性。云制造平臺(tái)依據(jù)用戶對(duì)安全性的要求提供不同安全等級(jí)的云服務(wù),一般來(lái)說(shuō),隨著安全等級(jí)的提高,云服務(wù)的技術(shù)難度和成本也會(huì)相應(yīng)增加,用戶可以酌情選擇。安全等級(jí)的劃分包括低、一般、中、高、很高等。

        服務(wù)成功率代表服務(wù)的執(zhí)行成功率,表示在規(guī)定的最大預(yù)期時(shí)間內(nèi),請(qǐng)求被正確執(zhí)行的概率。其元素主要包含時(shí)效性、可靠性。它可以通過(guò)云服務(wù)的執(zhí)行記錄準(zhǔn)確地計(jì)算出來(lái),可以用云服務(wù)被成功調(diào)用執(zhí)行次數(shù)和服務(wù)被調(diào)用總次數(shù)的比值表示。

        云服務(wù)的信譽(yù)等級(jí),是由用戶依據(jù)使用感受給出的評(píng)價(jià)。其元素主要包含服務(wù)穩(wěn)定性、服務(wù)可靠性。雖然用戶反饋的評(píng)價(jià)結(jié)果可能存在隨意性,甚至是一些惡意虛假數(shù)據(jù),但隨著服務(wù)評(píng)價(jià)的增多,其結(jié)果也將越來(lái)越合理,可以在一定程度上反映出服務(wù)的可信度,供其他用戶參考。由于其評(píng)價(jià)結(jié)果具有主觀性,所以很難用具體的數(shù)值度量。信譽(yù)等級(jí)的主觀評(píng)價(jià)包括很差、差、一般、好、非常好等。

        滿意度反饋代表用戶對(duì)云服務(wù)的滿意度,它是用戶在使用制造云服務(wù)后給出的相應(yīng)服務(wù)的整體評(píng)價(jià)。其元素主要包含可用性、便捷性。它是用戶對(duì)服務(wù)的綜合評(píng)價(jià)包括不滿意、基本滿意、一般、滿意、非常滿意等。

        此外,該體系的評(píng)價(jià)指標(biāo)可以依據(jù)用戶需求進(jìn)行自定義組合,從而滿足不同需求下制造云服務(wù)的排序優(yōu)選要求,為用戶提供合理的制造云服務(wù)。

        1.2 非量化指標(biāo)值定義

        用戶關(guān)于制造云服務(wù)的評(píng)價(jià)方式具有多樣化,其中時(shí)間、價(jià)格等可以用確切的數(shù)值來(lái)表示可量化指標(biāo),對(duì)于可量化指標(biāo)的處理較為方便。但是在實(shí)際操作中用戶的許多評(píng)價(jià)大多是一個(gè)模糊的語(yǔ)句或詞語(yǔ),而不是用準(zhǔn)確的數(shù)值來(lái)表示,因此需要一種方法來(lái)表達(dá)用戶對(duì)制造云服務(wù)的不可以量化的評(píng)價(jià)。直覺(jué)模糊集是傳統(tǒng)模糊集的一種拓展,它同時(shí)考慮了隸屬度、非隸屬度和猶豫度3個(gè)方面的信息,對(duì)于用戶無(wú)法用確切數(shù)值表示的評(píng)價(jià)可以用直覺(jué)模糊數(shù)表示。直覺(jué)模糊集的相關(guān)計(jì)算如下:

        P={|x∈Z}

        (1)

        式中:m(x),n(x)為P的隸屬函數(shù)和非隸屬函數(shù)。若x都屬于Z,且0≤m(x)+n(x)≤1,0≤m(x)≤1,0≤n(x)≤1,0≤n(x)≤1,m(x)+n(x)+π(x)=1,0≤π(x)≤1成立,其中∏(x)是P的猶豫度,則稱[m(x),n(x)]為一個(gè)規(guī)范化的直覺(jué)模糊數(shù)。當(dāng)應(yīng)用這些模糊數(shù)構(gòu)成評(píng)價(jià)矩陣時(shí),該評(píng)價(jià)矩陣為規(guī)范化的直覺(jué)模糊矩陣。

        若設(shè)a1=(m1,n1),a2=(m2,n2)為2個(gè)直覺(jué)模糊數(shù),則其運(yùn)算法則定義如下[20-21]:

        a1⊕a2=(m1+m2-m1m2,n1n2)

        (2)

        設(shè)aj=(mj,nj)(j=1,2,…,N)是一組直覺(jué)模糊數(shù),假設(shè)Q是一個(gè)映射,使得

        Qw(a1,a2,…,an)=w1a1⊕w2a2⊕…

        ⊕wNaN

        (3)

        本文通過(guò)云制造服務(wù)平臺(tái)獲取用戶對(duì)相似云服務(wù)的歷史評(píng)價(jià),從云平臺(tái)中獲取大量用戶數(shù)據(jù)與項(xiàng)目數(shù)據(jù),將正向評(píng)價(jià)的數(shù)量與評(píng)價(jià)總數(shù)的比值設(shè)為m(x),負(fù)向評(píng)價(jià)的數(shù)量與評(píng)價(jià)總數(shù)的比值設(shè)為n(x),即可得到一個(gè)對(duì)該云制造服務(wù)指標(biāo)評(píng)價(jià)的直覺(jué)模糊數(shù)[m(x),n(x)]。

        通過(guò)引入直覺(jué)模糊數(shù)表示用戶的不可量化的評(píng)價(jià),綜合考慮量化和非量化的評(píng)價(jià),使用戶評(píng)價(jià)更具科學(xué)性更加飽滿,避免了評(píng)價(jià)的單一性。

        2 灰色關(guān)聯(lián)度的服務(wù)質(zhì)量排序

        抽象系統(tǒng)一般包含多種因素,多種因素共同決定該系統(tǒng)的發(fā)展態(tài)勢(shì),在發(fā)展中需要區(qū)分眾多因素中的主次因素,灰色關(guān)聯(lián)度可以對(duì)眾多因素進(jìn)行排序。同時(shí),在制造云服務(wù)的QoS評(píng)價(jià)標(biāo)準(zhǔn)中,各個(gè)參數(shù)并不是相互獨(dú)立的,因此,需要綜合考慮所有因素,對(duì)云制造平臺(tái)查詢匹配后的云服務(wù)集合做有效評(píng)價(jià)供用戶選擇。

        2.1 灰色關(guān)聯(lián)度分析法

        灰色關(guān)聯(lián)度分析法是根據(jù)因素之間發(fā)展趨勢(shì)的相似或相異程度,衡量因素間關(guān)聯(lián)程度的一種方法[22]。首先,確定分析數(shù)列,構(gòu)建指標(biāo)矩陣,從眾多云制造評(píng)價(jià)中確定參考數(shù)列和比較數(shù)列。其次,對(duì)指標(biāo)矩陣中的變量進(jìn)行歸一化處理。再次,計(jì)算子序列中各個(gè)指標(biāo)與母序列的關(guān)聯(lián)系數(shù)。最后,計(jì)算灰色關(guān)聯(lián)度,并得出結(jié)論。

        對(duì)于不可量化指標(biāo),本文引入直覺(jué)模糊數(shù)來(lái)處理,在此基礎(chǔ)上結(jié)合灰色關(guān)聯(lián)分析法對(duì)所有指標(biāo)統(tǒng)一計(jì)算排序。

        2.2 直覺(jué)模糊灰色關(guān)聯(lián)度計(jì)算

        對(duì)于非量化值的處理,與上述步驟類似,同樣會(huì)經(jīng)歷歸一化等前置處理步驟,主要區(qū)別在于對(duì)模糊數(shù)的處理方法,具體如下。

        1) 建立直覺(jué)模糊矩陣。

        2) 找出直覺(jué)模糊集的正向最優(yōu)對(duì)象。

        3) 計(jì)算每個(gè)子序列和直覺(jué)模糊正最優(yōu)對(duì)象的關(guān)聯(lián)系數(shù)。

        (5)

        4) 計(jì)算每個(gè)子序列與直覺(jué)模糊集的正最優(yōu)對(duì)象的關(guān)聯(lián)度:

        (6)

        5) 依據(jù)式(6)中的計(jì)算結(jié)果排序。

        2.3 面向制造云服務(wù)的QoS排序算法

        綜上所述,本文提出的基于直覺(jué)模糊灰色關(guān)聯(lián)度的云制造服務(wù)質(zhì)量評(píng)價(jià)方法具體步驟如下。

        1) 依據(jù)用戶需求,從供應(yīng)商和用戶層面共同構(gòu)建云制造服務(wù)質(zhì)量評(píng)價(jià)指標(biāo)。

        2) 從制造云池中獲取云制造服務(wù)提供者的相應(yīng)指標(biāo)的評(píng)價(jià)信息和數(shù)據(jù),從而構(gòu)建基于直覺(jué)模糊的評(píng)價(jià)矩陣。

        3) 由制造云池中的相似服務(wù)的歷史數(shù)據(jù)獲取用戶的評(píng)價(jià)信息,得到用戶評(píng)價(jià)的主觀直覺(jué)模糊評(píng)價(jià)矩陣。

        4) 結(jié)合步驟1和步驟2,構(gòu)建QoS綜合評(píng)價(jià)指標(biāo)矩陣。

        5) 用戶自定義模型的權(quán)重向量。

        由于各用戶對(duì)QoS的各屬性參數(shù)要求不一定相同,例如:某些用戶看重費(fèi)用,有些注重時(shí)間,還有些則關(guān)注信譽(yù)等級(jí)等。為了滿足用戶多變的需求以及保證模型的靈活性,模型的權(quán)重向量由申請(qǐng)用戶自定義。

        6) 通過(guò)步驟4的綜合矩陣獲取最優(yōu)值矩陣,并結(jié)合步驟5中給定的各指標(biāo)的權(quán)值,計(jì)算各云服務(wù)供應(yīng)商的服務(wù)屬性值與最優(yōu)值之間的關(guān)聯(lián)度,依據(jù)關(guān)聯(lián)度大小進(jìn)行排序,得到最優(yōu)服務(wù)。

        3 實(shí)例分析

        本文從以往研究中選取部分指標(biāo)進(jìn)行實(shí)例分析,實(shí)例分析的指標(biāo)選取如圖3所示。

        圖 3 實(shí)例分析指標(biāo)選取Fig.3 Selection of instance analysis metrics

        某用戶在云制造平臺(tái)申請(qǐng)了某產(chǎn)品設(shè)計(jì)云服務(wù),通過(guò)關(guān)鍵詞搜索,平臺(tái)隨即按要求發(fā)現(xiàn)了5個(gè)相關(guān)的制造云服務(wù)S1、S2、S3、S4、S5,結(jié)合制造商提供的服務(wù)信息和用戶的評(píng)價(jià)指標(biāo),依據(jù)文獻(xiàn)[23-24],參考其數(shù)據(jù)和范例模式,構(gòu)建QoS綜合評(píng)價(jià)指標(biāo)矩陣。具體評(píng)價(jià)值如表1所示。

        表 1 QoS指標(biāo)綜合評(píng)價(jià)值

        通過(guò)對(duì)評(píng)價(jià)值的規(guī)范化處理,形成規(guī)范化QoS評(píng)價(jià)矩陣B:

        其中正最優(yōu)對(duì)象:A+=(1,1,1,(0.85,0.04),(0.91,0.03),(0.80,0.07))。通過(guò)公式(5)可得各候選服務(wù)屬性的關(guān)聯(lián)系數(shù)矩陣D:

        用戶自定義模型的權(quán)重向量為

        wp=(wt,wc,wsuc,wsec,wrep,wsat)=

        [0.15,0.30,0.10,0.20,0.11,0.14],

        其中,wt、wc、wsuc、wsec、wrep、wsat分別表示服務(wù)時(shí)間、服務(wù)價(jià)格、服務(wù)安全、服務(wù)成功率、信譽(yù)等級(jí)和滿意度反饋所對(duì)應(yīng)的權(quán)重。

        結(jié)合各屬性權(quán)值,通過(guò)公式(6)計(jì)算關(guān)聯(lián)度,得出5個(gè)服務(wù)的關(guān)聯(lián)度:

        S1=0.537 7,S2=0.780 0,S3=0.625 0,S4=0.696 9,S5=0.630 0。綜上可知,制造云服務(wù)集合的排序結(jié)果為:S2>S4>S5>S3>S1。最終,平臺(tái)依據(jù)排序結(jié)果優(yōu)先推薦服務(wù)S2。

        隨后,平臺(tái)會(huì)將排序結(jié)果返回給申請(qǐng)用戶參考選用。當(dāng)交易結(jié)束后,用戶可以對(duì)選用的服務(wù)做評(píng)價(jià),同時(shí)平臺(tái)會(huì)依據(jù)評(píng)價(jià)結(jié)果更新其信譽(yù)等級(jí)的指標(biāo)參數(shù),為后續(xù)用戶提供必要參考。

        若當(dāng)用戶權(quán)重設(shè)置為

        w*=[0.40,0.10,0.10,0.10,0.10,0.20],

        即更加關(guān)注安全性和時(shí)間。依據(jù)矩陣D可得關(guān)聯(lián)度為:S1=0.356 5,S2=0.750 0,S3=0.466 6,S4=0.806 8,S5=0.650 0。其排序結(jié)果則改變?yōu)?S4>S2>S5>S3>S1。同理,其他參數(shù)的改變,諸如當(dāng)制造云服務(wù)的QoS指標(biāo)值發(fā)生變動(dòng),也會(huì)得出不同的結(jié)果??梢钥闯?模型具有一定的靈活性,能夠?qū)?shù)的改變做出適時(shí)調(diào)整,可以滿足申請(qǐng)用戶的需求。

        TOPSIS法是多目標(biāo)決策分析中一種常用的有效方法,又稱為優(yōu)劣解距離法[25-26]。為了使實(shí)驗(yàn)更為合理,需要使用改進(jìn)后的TOPSIS法進(jìn)行對(duì)比。由此,本文選取了較為主流的兩類結(jié)合模糊數(shù)計(jì)算的TOPSIS評(píng)價(jià)方法:直覺(jué)模糊TOPSIS法和熵權(quán)TOPSIS法。

        對(duì)于文中場(chǎng)景,TOPSIS法利用歐氏距離表示候選的制造云服務(wù)與正負(fù)理想解之間的差距,最后計(jì)算候選服務(wù)的屬性與正負(fù)理想解之間的相對(duì)貼近度。通過(guò)計(jì)算得到貼近度結(jié)果如表2所示。

        表2 制造云服務(wù)屬性貼近度

        從表2可以看出,本文算法貼近度優(yōu)于其他2種對(duì)比算法,相較于直覺(jué)模糊TOPSIS法提升約為12%,相較于熵權(quán)TOPSIS法提升約為44%。這是因?yàn)門(mén)OPSIS方法對(duì)于誤差或不確定性較敏感,若某指標(biāo)數(shù)據(jù)存在誤差或不確定性,會(huì)對(duì)結(jié)果產(chǎn)生較大影響,不太適用于包含誤差或不確定性的多指標(biāo)決策分析,并且其計(jì)算也較為復(fù)雜。

        制造云服務(wù)的服務(wù)質(zhì)量評(píng)價(jià)種類繁多,類型復(fù)雜多樣,TOPSIS法對(duì)不確定指標(biāo)的分析會(huì)導(dǎo)致決策結(jié)果的準(zhǔn)確度不高。直覺(jué)模糊灰色關(guān)聯(lián)法,對(duì)數(shù)據(jù)沒(méi)有要求,不需要數(shù)據(jù)分布規(guī)律,而且計(jì)算量較小,其結(jié)果能與定性分析結(jié)果較好的吻合,這也是圖中本文方法所計(jì)算的貼近度高于對(duì)比方法的原因。此外,灰色關(guān)聯(lián)度是系統(tǒng)分析中比較簡(jiǎn)單的分析方法,對(duì)于復(fù)雜的制造云環(huán)境下的服務(wù)質(zhì)量評(píng)價(jià)更具有實(shí)踐性和普適性。

        4 結(jié) 語(yǔ)

        隨著云制造技術(shù)的不斷推廣和應(yīng)用,將會(huì)有越來(lái)越多的云服務(wù)產(chǎn)生去滿足客戶的多變需求,但也會(huì)帶來(lái)新的問(wèn)題。

        大量功能相似的制造云服務(wù)質(zhì)量參差不齊,用戶很難通過(guò)經(jīng)驗(yàn)或者單因素予以區(qū)別和選擇。在考慮用戶評(píng)價(jià)因素的礎(chǔ)上,本文建立了基于QoS的云服務(wù)評(píng)價(jià)模型,詳細(xì)分析了模型的評(píng)價(jià)指標(biāo),并描述了模型的運(yùn)作機(jī)制。同時(shí),考慮到用戶對(duì)部分指標(biāo)的不可量化的評(píng)價(jià),引入了直覺(jué)模糊數(shù),在此基礎(chǔ)上設(shè)計(jì)了基于灰色關(guān)聯(lián)度的制造云服務(wù)評(píng)價(jià)方法,能夠?yàn)橛脩籼峁┯糜趨⒖歼x擇的云服務(wù)排序結(jié)果,最后結(jié)合一個(gè)具體的實(shí)例,把所提算法與直覺(jué)模糊TOPSIS法、熵權(quán)TOPSIS法進(jìn)行貼近度的對(duì)比,實(shí)驗(yàn)結(jié)果分別提升了約12%、44%,驗(yàn)證了模型的合理性和有效性。

        猜你喜歡
        直覺(jué)關(guān)聯(lián)度排序
        排序不等式
        “好一個(gè)裝不下”直覺(jué)引起的創(chuàng)新解法
        林文月 “人生是一場(chǎng)直覺(jué)”
        海峽姐妹(2020年7期)2020-08-13 07:49:22
        恐怖排序
        一個(gè)“數(shù)學(xué)直覺(jué)”結(jié)論的思考
        節(jié)日排序
        刻舟求劍
        兒童繪本(2018年5期)2018-04-12 16:45:32
        基于灰色關(guān)聯(lián)度的水質(zhì)評(píng)價(jià)分析
        數(shù)學(xué)直覺(jué)謅議
        基于灰關(guān)聯(lián)度的鋰電池組SOH評(píng)價(jià)方法研究
        九色综合九色综合色鬼| 亚洲视频在线中文字幕乱码| 熟女免费观看一区二区| 狠狠色丁香婷婷综合潮喷| 久久精品国产亚洲av大全| 婷婷第四色| 青青草精品在线免费观看| 一本色道无码不卡在线观看| 国产va在线观看免费| 亚洲AV无码永久在线观看| 少妇又色又爽又刺激的视频| 人人妻人人澡人人爽人人精品浪潮 | 成人国产在线播放自拍| 国产无套一区二区三区久久| 乱中年女人伦av一区二区| 成人区人妻精品一区二区不卡网站 | 性夜夜春夜夜爽aa片a| 蜜桃成人永久免费av大| 亚洲视频在线观看一区二区三区 | 国产愉拍91九色国产愉拍| 欧洲多毛裸体xxxxx| 中文字幕无线码中文字幕| 中文字幕在线观看乱码一区| 中文字幕av人妻少妇一区二区| 忘忧草社区www日本高清| 国产人在线成免费视频麻豆| 久久无人码人妻一区二区三区| 亚洲欧美中文日韩在线v日本| 亚洲av国产精品色午夜洪2| 国产69口爆吞精在线视频喝尿 | av一区二区三区人妻少妇| 日本免费一区二区三区在线看| 亚洲女同精品一区二区久久| 精品久久久久久无码中文野结衣| 国产mv在线天堂mv免费观看| 亚洲天堂中文字幕君一二三四| 中国人在线观看免费的视频播放| 午夜精品一区二区三区的区别| 日韩偷拍一区二区三区视频 | 中文字幕偷拍亚洲九色| 亚洲精品国产av成人精品|