一種新的基于直覺模糊集的制造云服務優選方法

蔡 坦 劉衛寧 劉 波

重慶大學信息物理社會可信服務計算教育部重點實驗室，重慶，400030

0 引言

云制造是近年來興起的一種面向服務、高效低耗、基于知識的智能性網絡化制造模式［1］。它是計算領域最新研究成果（云計算、物聯網、虛擬化、信息物理系統等新技術）同先進制造的理論與技術（虛擬制造、全球制造、網絡化制造等制造模式）深度交叉融合而成的［2］。云制造的核心思想是“制造即服務”［3］，因此如何從規模巨大的制造云池中選取合適的服務成為云制造研究領域的一個重點。服務質量（quality of service，QoS）是用來評估服務能力水平的指標體系，人們一般用QoS來表示服務質量的優劣［4］。文獻［5］提出了一種可擴展的數學模型，對各種QoS指標加權綜合后，得出反映服務各項QoS指標的綜合值，根據服務綜合值的大小來決定最優服務。文獻［6］針對于網格制造的環境，提出了一個綜合性的QoS信息矩陣，通過對時間、價格、可信賴度、可維護性、滿意度、可信度等因素綜合評估得到一個加權值，來作為服務優選的依據。受制于應用領域或發展階段的各種限制，上述方法無法滿足云制造平臺中用戶更加個性化的需求，未考慮用戶對服務質量的反饋信息及服務質量動態變化的特點，因此，基于直覺模糊集的表述方式［7］，本文提出了一種新的基于直覺模糊集的制造云服務最優選擇方法。

1 問題提出

云制造平臺中的用戶分為云制造服務提供者（cloud service provider，CSP）和云制造服務需求者（cloud service demander，CSD）［8］。CSP 通過云制造平臺發布自己的制造資源、生產能力等制造服務，在云制造平臺上進行制造應用和業務運行。云制造平臺提供了規模巨大的制造云池［9］，針對云制造服務使用者的單資源需求，系統從大量的待選云服務中選擇最佳的云服務來執行該任務；針對多資源服務需求，系統從搜索到的符合各子任務的待選云服務中，各選一個云服務組裝成組合云服務來協同完成任務［1］，如圖1所示。

圖1 云制造平臺

對云服務的選擇過程可分為兩個階段［10］。首先，根據用戶具體的制造功能需求（制造物品數量、加工規格、精度要求等），搜索一個能夠提供相應的制造規格、功能、生產能力的云制造服務候選集合。然后，根據候選服務集中制造服務QoS優劣與否，從這個服務候選集合中優選出一個最適合用戶的制造服務。針對前一階段，已有大量的研究予以探討，并可歸結為兩種技術路線：①基于關鍵字的服務發現技術，如文獻［11］提出的一種基于內容關鍵字搜索服務的方法；②基于語義的服務發現技術，如文獻［12］提出的建立制造資源本體來搜索相應功能的制造服務。

本文主要研究在滿足用戶功能性需求的前提下，如何從候選服務集中優選出最適合用戶的制造云服務。

服務質量指標中，一些指標是可以被直觀地量化表示的，如價格、成本、時間等，通過不同的數值，用戶可以很直接、客觀地感受到服務質量的優劣；另一些特征，如服務的穩定性、安全性、可行性等卻不能被簡單地用數值來直觀地表示。基于對各種服務特征的分析，本文做出的創新工作如下：

（1）云制造平臺在根據用戶的實際需求為其選擇制造云服務時，既不能單純地全部依賴可量化的QoS指標，如只根據價格、時間等可量化指標而不考慮可靠性、可維護性等主觀特征，又不能完全依賴可靠性、安全性等主觀特征而不考慮時間、成本等可量化指標。為了綜合、直觀地考慮各種類型QoS指標對制造服務結果的影響，本文采用全面的評價方法，對于可量化的QoS指標，采用改進的綜合加權方法，對于不可量化的QoS指標，采用改進的基于直覺模糊集的評估方法。

（2）針對制造服務性能隨時間變化的特性，提出了一個服務質量特征性能指標——制造服務有效期Tvalidate。在制造服務的有效期內，制造云服務具有可信的服務質量，隨著時間的推移、成本的變化，服務不可量化特征的不確定性逐漸增加，可信度逐漸降低。

（3）為了滿足用戶對服務選擇更加個性化、更加具體的需求，提出一種交互式方法來獲取用戶對QoS特征的關注程度。根據這個方法為每個QoS特征分配相應的權重，并由此來優選出體現用戶個性化需求的制造云服務。

2 基于直覺模糊集的制造云服務優選方法

2.1 直覺模糊集介紹和制造服務性能衰減特性

直覺模糊集（intuitionistic fuzzy set，IFS）是Atanassov提出的一種表達模糊性和不確定性事物的有效方式［13］，具體的表示方式如下。

設Z是一個給定結論域，那么Z上的直覺模糊集可表達為

式中，μ（x）、υ（x）分別為Z的隸屬函數和非隸屬函數。

若對于Z上的所有x∈Z有0≤μ（x）＋υ（x）≤1，0≤μ（x）≤1，0≤υ（x）≤1成立，那么（μ（x），υ（x））就稱為一個直覺模糊數［14］。

針對于直覺模糊數的運算，有如下的計算公式：

若λ∈ ［0，1］，A 為一個直覺模糊數（μA（x），υA（x）），那么

若 A、B 分 別 為 直 覺 模 糊 數 （μA（x），υA（x））和（μB（x），υB（x）），那么直覺模糊數A、B 的綜合值為

云制造服務應用環境中，用戶對能提供同樣功能、加工標準的制造服務優劣與否可能持不同的意見，如肯定、否定或無關，如果肯定意見的數目與意見總數（肯定、否定和無關的意見之和）的比值設為μ（x），否定意見的數目與意見總數的比值設為υ（x），那么就可以得到一個云制造服務特定服務質量指標的一個直覺模糊數（μ（x），υ（x））。

實際環境中，制造服務質量具有動態變化的特點，基于已有對服務質量動態變化的研究成果［7］，提出制造服務性能衰減函數：

式中，Δt為每次制造云服務被調用的時間距離CSP發布該制造服務所間隔的時間。

云制造環境中，從CSP通過云制造平臺發布制造服務開始，直到云服務提供者不能提供可信的制造服務為止，這個過程所持續的時間就是該制造云服務的有效期Tvalidate。

2.2 對不可量化指標的直覺模糊數評估方法

基于以上的理論，由用直覺模糊數來表示制造服務的各項非可量化服務質量指標，可得表1所示的信息矩陣，其中，Cj（j＝1，2，…，n）為各項制造服務特征指標，n為非可量化服務質量指標個數，k為服務有效期內制造服務被調用的次數。Fi，j（i＝1，2，…，k）為非可量化服務特征Cj在第i次被調用時非可量化服務質量指標的直覺模糊數，即（μFi，j，υFi，j）。

表1 用戶對制造服務的反饋信息

首先，分析、運算制造服務的不可量化服務特征指標每次調用所產生的直覺模糊數，得到對于一個不可量化服務特征指標的綜合直覺模糊集。在此運算過程中，需要考慮的因素如下：①制造云服務的有效期；②在此有效期之內，制造服務每次被調用時距離該服務發布間隔的時間；③每次制造服務被調用時，用戶對這個制造云服務的每個不可量化特征的評價（直覺模糊數）。

考慮以上的因素，一個不可量化特征指標的綜合直覺模糊數的計算表達式為

其中，f（Δt1）.（F1，j）為考慮了服務質量衰減的直覺模糊數；N為制造服務的QoS特征指標數目。結合式（1）、式（2），將式（4）化簡，可得到：

綜合用戶對制造服務每次調用后的評價，得到一個對制造服務候選集中每個服務非量化指標的綜合直覺模糊集，如表2所示，CMSi表示候選服務集中的一個制造服務，L為候選服務集中制造服務的個數，CFi，j為制造服務CMSi非可量化制造服務特征Cj的綜合直覺模糊數，即（μCFi，j，υCFi，j）。

表2 云制造候選集不可量化特征的直覺模糊數

對制造云服務候選集中的非可量化服務特征指標Cj，選出所有其對應直覺模糊數中μ的最大值μmax和υ的最小值υmin（即 CF1，j、CF2，j、…、CFL，j中μCF 的最大值和υCF 的最小值），那么（μmax，υmin）即 為 最 優 理 想 直 覺 模 糊 數 （記 為CFmax）。同理，選取這些直覺模糊數中μ的最小值μmin和υ的最大值υmax，那么（μmin，υmax）即為最差理想直覺模糊數（記為CFmin）。

根據直覺模糊數相似度計算公式：

可得出每個直覺模糊數跟最優理想值的相似度Sim＋（即Sim（CFi，j，CFmax））和跟最差理想值的相似度Sim－（即Sim（CFi，j，CFmin）），最終得到一個制造云服務不可量化特征的綜合值：

2.3 引入綜合加權方法

上文主要分析了對非可量化服務質量特征的分析計算，本節主要討論如何計算可量化的服務質量特征。

首先，用一個矩陣表示一個制造云服務的候選集（每行對應一個制造云服務，每列對應一個服務質量特征），那么根據每個制造云服務的各個可量化的服務質量特征可以得到

其中，M為候選集中制造服務的個數；N′為服務質量特征中可量化指標的數目。

在可量化服務指標中，不同的服務指標對服務優選的結果有不同的影響。一部分可量化的服務質量特征（執行時間、價格等），其取值越小，表明服務質量越好，反之表明服務質量越差，即這些可量化特征值的增大會給優選結果產生負作用。另外一部分可量化的服務特征（信譽度等），它們的值越大，就代表著服務質量越好，對用戶也就越有利，它們的值越小，就預示著服務質量越差，對用戶來說就越不利，即這些可量化的特征值的增大會給優選結果帶來正作用。

因此，在計算可量化的服務質量特征時，需要對于以上的兩種情況區別對待。如果某個服務質量特征的數值越大，服務質量越好，就采用正作用計算方法：

如果特征的數值越小，服務質量越好，就采用負作用計算方法［5］：

通過綜合計算，就可以得到一個綜合值來表示可量化服務指標優劣。

2.4 服務質量特征權重確定與綜合計算

不同的用戶對不同QoS特征的關注程度不同，如資金實力較為雄厚的用戶關注制造云服務的執行時間特征會多一些，資金相對薄弱的用戶對制造云服務的價格特征關注會相對多一點。因此，為了滿足用戶更加個性化的需求，優選出真正符合用戶實際情況的制造云服務，需要一種交互的方法，得到用戶對每個服務質量特征關注程度的信息，以獲得每個服務質量特征的權重信息。

基于上述的考慮，由用戶為不同指標設置不同的關注值。關注值大表示用戶更重視該服務質量指標，反之則表示用戶對該服務質量指標的關注度較低，得到一個用戶對每個QoS特征所期望的關注值序列：

其中，ICi為特征指標Ci（i＝1，2，…，N）的關注度。服務質量指標的權重值為

在綜合了可以量化的服務質量特征、不可量化的服務質量特征，并引入用戶的關注值之后，制造云服務j的QoS綜合值為

式中，Wci為一個QoS特征指標的權重值；Vi為該制造服務的第i個QoS特征指標的綜合值。

綜合值越大說明制造云服務的服務質量越高，綜合值最大的那個制造云服務就是用戶所期望的最優服務，即制造云服務候選集當中的最優服務。

3 實例分析

為了說明如何使用本文所提出的優選方法，從制造云服務候選集中選擇最適合用戶的服務，選用執行時間、執行費用、可靠性、安全性、可用性等服務質量特征來說明本文方法的計算過程，其中，執行時間、執行費用是可量化的服務質量特征，可靠性、安全性、可用性是不可量化的服務質量特征。

針對于不同服務的特定服務質量指標，隨機產生出的2個制造云服務（制造云服務1、制造云服務2），數據如表3、表4所示。表3中，制造云服務1的有效期是90，在22、47、75時間點分別被調用執行；表4中，制造云服務2的有效期是120，在75、83、109時間點分別被調用執行。

表3 制造云服務1數據

表4 制造云服務2數據

首先，經過數個Δt調用之后，由式（5）可得到制造服務不可量化服務特征指標的綜合直覺模糊集，如可靠性的綜合直覺模糊集CFtrust（同CFsecurity、CFavail）。

對于制造云服務1而言，Tvalidate＝90，可得CFtrust＝ （1－（1－0.79）f（22）× （1－0.76）f（47）×（1－0.89）f（75），0.09f（22）×0.12f（47）×0.09f（75））＝ （0.84，0.07）。同 理 可 得 CFsecurity＝ （0.89，0.07），CFavail＝ （0.90，0.03）。

對于制造云服務2而言，Tvalidate＝120，可得CFtrust＝ （1－（1－0.56）f（75）× （1－0.69）f（83）×（1－0.71）f（109），0.20f（75）×0.18f（83）×0.22f（109））＝（0.51，0.33）。同理可得CFsecurity＝ （0.65，0.28），CFavail＝ （0.49，0.39）。

至此得到2個制造云服務中每個不可量化特征指標的綜合直覺模糊數，針對于這2個直覺模糊數集，算出它們針對于不同評價指標的最差理想直覺模糊數（μmin，υmax）和最優理想直覺模糊數（μmax，υmin），如表5所示。根據最優、最差的理想直覺模糊數，用式（6）、式（7）計算出不可量化特征的綜合值。

表5 制造云服務質量特征最優、最差理想直覺模糊數

由式（10）得到可量化特征值的權重，在綜合所有的服務質量特征之后，就可以得到表6所示結果。

表6 制造云服務質量特征值

若用戶對于每個質量指標的關注值Itrust＝3，Isecurity＝1，Iavail＝3，則2個服務的綜合評價值CMS1＝0.58×3／19＋0.56×3／19＋0.62×3／19≈0.278，CMS2＝ 0.42×3／19＋0.44×3／19＋0.38×3／19＋1／19＋3／19≈0.406。于是有制造云服務2的綜合性能優于制造云服務1。

4 結論

（1）為了更加直觀、更加清晰地描述制造服務質量指標體系，將制造服務質量指標分為可量化的服務質量指標和不可量化服務質量指標。對于可量化的服務質量指標，采用綜合加權表示法予以表述；對于不可量化服務質量指標，運用直覺模糊集的表述方式予以描述。進而通過綜合分析與計算判斷一個制造服務質量的優劣與否。

（2）為了更加直觀地反映制造服務質量動態變化的特點，提出了“制造服務有效期”的概念，在已有研究的基礎上，通過綜合制造服務有效期內每次制造服務被調用所得到的QoS值，得出制造服務質量指標的綜合值，將服務質量動態變化的規律納入服務質量評估的過程。

（3）結合實驗室既有的研究成果，下一步的工作是把基于直覺模糊集的評價方法用于云制造服務組合的優選評價，更加深入地分析制造服務優選中更加復雜的應用場景。

［1］陶飛，張霖，郭華，等.云制造特征及云服務組合關鍵問題研究［J］.計算機集成制造系統，2011，17（3）：477－486.Tao Fei，Zhang Lin，Guo Hua，et al.Typical Characteristics of Cloud Manufacturing and Several Key Issues of Cloud Service Composition［J］.Computer Integrated Manufacturing Systems，2011，17（3）：477－486.

［2］李伯虎，張霖，王時龍，等.云制造——面向服務的網絡化制造新模式［J］.計算機集成制造系，2010，16（1）：1－16.Li Bohu，Zhang Lin，Wang Shilong，et al.Cloud Manufacturing：a New Service－oriented Networked Manufacturing Model［J］.Computer Integrated Manufacturing Systems，2010，16（1）：1－16.

［3］楊海成.云制造是一種制造服務［J］.中國制造業信息化，2010（3）：22－23.Yang Haicheng.Cloud Manufacturing is a Pattern of Manufacturing Service［J］.Manufacturing Information Engineering of China，2010（3）：22－23.

［4］朱紅寧，張斌.基于SPA的Web服務選取方法［J］.計算機科學，2009，36（11）：32－35.Zhu Hongning，Zhang Bin.Method of Web Service Selection Based on SPA［J］.Computer Science，2009，36（11）：32－35.

［5］Liu Yutu，Ngu A H，Zeng Liangzhao.QoS Computation and Policing in Dynamic Web Service Selection［C］／／13th International World Wide Web Conference on Alternate Track Papers ＆Posters.New York，2004：66－73.

［6］Tao Fei，Hu Yefa，Zhou Zude.Study on Manufacturing Grid ＆Its Resource Service Optimal－selection System［J］.International Journal of Advanced Manufacturing Technology，2008，37（9／10）：1022－1041.

［7］Tao Fei，Zhao Dongming，Zhang Lin.Resource Service Optimal－selection Based on Intuitionistic Fuzzy Set and Non－functionality QoS in Manufacturing Grid System［J］.Knowledge and Information Systems，2010，25（1）：185－208.

［8］李伯虎，張霖，任磊，等.再論云制造［J］.計算機集成制造系統，2011，17（3）：449－457.Li Bohu，Zhang Lin，Ren Lei，et al.Further Discussion on Cloud Manufacturing［J］.Computer Integrated Manufacturing Systems，2011，17（3）：449－457.

［9］Huang Shuangxi，Zeng Sen，Fan Yushun，et al.Optimal Service Selection and Composition for Service－oriented Manufacturing Network［J］.International Journal of Advanced Manufacturing Technology，2011，24（5）：416－430.

［10］Xu Xun.From Cloud Computing to Cloud Manufacturing［J］.Robotics and Computer－integrated Manufacturing，2012，28（1）：75－86.

［11］Lee C，Helal S.Context Attributes：An Approach to Enable Context－awareness for Service Discovery［C］／／Proceedings of the 2003Symposium on Application and the Internet.Orlando，2003：22－30.

［12］尹勝，尹超，劉飛，等.云制造環境下外協加工資源集成服務模式及語義描述［J］.計算機集成制造系統，2011，17（3）：525－532.Yin Sheng，Yin Chao，Liu Fei，et al.Out Sourcing Resources Integration Service Mode and Semantic Description in Cloud Manufacturing Environment［J］.Computer Integrated Manufacturing Systems，2011，17（3）：525－532.

［13］王毅，雷英杰，路艷麗.基于直覺模糊集的多屬性模糊決策方法［J］.系統工程與電子技術，2007，29（12）：2060－2063.Wang Yi，Lei Yingjie，Lu Yanli.Multiple Attribute Decision Making Method Based on Intuitionistic Fuzzy Sets［J］.Systems Engineering and Electronics，2007，29（12）：2060－2063.

［14］Xu Zeshui，Cai Xiaoqiang.Recent Advances in Intuitionistic Fuzzy Information Aggregation［J］.Fuzzy Optimization and Decision Making，2010，9（4）：359－381.