本发明涉及云计算中云制造资源的优化和整合领域。
背景技术：
随着供求网络的大规模化、复杂化、动态化的发展，云制造模式已经成为网络化制造环境下一种新趋势云制造是利用网络和云服务平台，按需对用户分配制造资源，构建了云制造平台及体系架构以上成果主要从云制造服务组合优化及网络采购两个方面进行了研究，目前云制造服务都在服务需求者为单一个体的情况下研究资源组合优化问题，可认为是个体优化模式。在云制造平台中，服务需求者数量和发布任务类型较多，可将任务类型相同或相近的服务需求者归为一类，以采购模式寻求资源的组合优化。采购模式与个体模式相比，资源寻优更具一定的优势，服务提供商可根据采购规模在服务成本上提供一定的折扣率，采购规模越大，折扣率越高。采购模式下服务需求者数量较多，能够较为准确地评价服务资源的信任度，有效确保整体服务链的稳定性。
云制造平台的服务供需双方均为企业，网络采购平台的需求方一般为个体消费者，供应方为企业。参与实体不同，云制造平台与网络采购运营模式也有显著的不同。云制造平台中，服务需求者仅需要提供服务具体内容、服务完工期、服务成本、服务效果等条件，云制造平台根据采购任务总数量、任务总类型完成资源组合优化。个体消费者根据服务提供商的定价、服务标准、采购数量等因素进行选择。采购的任务类型不同，云制造平台为用户提供网络制造资源，网络平台提供的服务类型主要集中在消费领域。
技术实现要素：
针对现有技术的上述不足，本发明提出了一种云制造中服务资源整合优化算法。
针对上述问题，本发明提出了以下技术方案：
算法通过研究云制造服务中服务需求者、服务平台、服务提供者三方的生产制造成本和时间、运输成本和时间，还有各个参与方的一个信任度，建立了一个资源整合最优服务算法，算法以服务花费为主体，时间、信任度、运输为约束条件的的资源整合最优计算模型。具体计算步骤如下：
步骤1：云制造服务花费函数。
步骤2：信任度评价体系。
步骤3：服务资源整合优化目标函数建立。
本发明的有益效果是：
1、构建了云制造模式下服务资源组合优化模型，在模型中充分考虑了服务定价与信任机制的影响，将服务定价分为服务提供商定价和云制造平台管理定价
2、为服务需求方实现最优资源配置下花费最小的代价。
具体实施方式
云制造平台中考虑较为普遍的多个服务需求者和多个服务提供商之间的服务匹配问题，希望得到是一个最优的组合。在云制造平台的多服务需求中，服务提供商根据制造服务类型进行划分，对于同一个服务需求者，待服务任务的类型也会不同，云制造服务包括云制造服务平台、服务需求者和服务资源提供商三个实体。在计算最优搭配时候，不同角色考虑的因素不同，服务需求者需要考虑花费、运输、信任(质量、满意度等合约因素)，而服务提供者需要考虑制造成本、运输成本；平台则需要考虑平台花费。所以建立的计算模型中，除了成本计算外，同时还需要进行信任度计算，时间约束等因素。
步骤1：云制造服务花费函数
云制造服务费用由制造费用、运输费用及平台管理费用构成，所以，将服务需求者的花费函数定义为如下：
P表示所有服务需求者所需支付的总费用，表示第i个服务需求者的第m类任务的第j个服务商报价，其中表示服务资源制造成本，表示运输成本，表示云平台管理成本；其中，制造成本不单单用价格来衡量，还要考虑服务资源级别(RL)、工艺类型(MT)、制造时间(ST)等，所以，将制造成本函数定义为下：
式中，表示单体成本，sm表示任务总数量，aj表示第j个服务资源提供商能够接收任务的总数量；dj表示第j个服务资源提供商的折扣率；dmj为第j个服务资源提供商的目的折扣率。运输成本和管理成本可以设计算法，也可以设定值。
步骤2：信任度评价体系
为了能够真实有效的提供服务，建立服务需求者和服务商信任评价体系，能有效的避免虚假服务；云制造服务提供商的综合信任值(GT)由直接信任值(GDT)、间接信任值(GIT)与服务补救信任值(GRT)计算得出：
GT(b，s)＝α1GDT(b，s)+α2GIT(b，s)+α3GRT(b，s)
α表示权重；
GSAM表示服务需求者服务次数，GM表示云制造平台服务总次数，GSAC表示服务需求者参加服务的总金额,GC表示云制造平台服务总金额，GSAI表示单个服务提供商推荐信任数量,GI表示云制造平台所有服务提供商推荐信任数量，GSAR表示服务提供商服务补救次数，GR表示云制造平台中所有服务提供商服务补救次数。
直接信任值(GDT),由于每次服务的具体条件不同，直接信任的结果也将受到不同的影响，加工工艺类型越相近，制造单元加工设备、辅助资源越相似，加工批量越接近，直接信任值的准确性也就越高：
式中，表示第u次服务后直接信任关键因素综合评分，βr表示直接信任因素r的权重，dwu表示时间因素对直接信任值的影响，dtu＝dtu1，dtu2，...dtuD表示第u此服务中第D中加工条件与当前服务的适应度取值。
间接信任值(GIT)为服务需求者与服务推荐者在历史上不存在共同的服务提供者或者同一个提供者：
其中，sc表示不存在共同服务提供者的推荐者总个数，sr表示存在共同服务提供者的推荐者总个数表示不存在共同服务提供者的第b个服务推荐者与服务需求者的相似度，表示存在共同服务提供者的第L个服务推荐者与服务需求者的相似度，SIT(a，s)为推荐信任值。
步骤3：服务资源整合优化目标函数建立
基于以上的计算，在本发明方法中将目标函数定义为如下：
约束条件为：
式中，i表示云制造平台的服务类型，同一种服务类型的服务任务由一个服务提供商完成。表示承担第i类型的所有服务任务的提供商集合。ki表示承担第i类型所有服务任务的提供商的数量。第i个类型的云制造服务任务由第r个供应商完成时，pir＝1，第r个核心零部件供应商不承担云制造服务任务时，pir＝0。cijr表示云制造平台根据pir的制造成本给出第i种类型的第j个服务任务的报价。dcir表示第i服务类型的所有任务由pir完成时的运输成本。TPir表示类型为i所有服务任务由pir完成时，该提供商的信任值。表示云制造平台中第g个服务需求者第i类任务类型的第j个服务任务由pir承担的最后完工时间。ADTg表示云制造平台中第g个服务需求者的交货期。MST表示服务资源组合整体信任度的最小值。
目标函数minC为云制造平台的服务成本和运输成本最小化；约束(1)表示对每一类服务任务保证只有一个候选资源加入到团购服务链中；约束(2)表示团购服务资源组合整体信任度应大于设定的最小值；约束(3)保证每个服务任务按时完工。