云制造環境下的資源調度研究綜述*

胡艷娟 朱非凡 王藝霖 石 超 武理哲

(長春工業大學機電工程學院，吉林 長春 130012)

隨著科技的高速發展，技術的更迭周期越來越短，縱觀制造業的發展史，從上世紀的傳統手工業制造到集成化制造，再到21世紀后隨著云計算、互聯網、制造網格等新興IT技術的快速發展，企業的生產和發展與網絡的聯系越來越緊密，企業需要在先進技術的支撐下，優化產業結構，加速產業升級，增強企業核心競爭力。在此背景下，2010年由中科院李伯虎院士及其團隊率先提出云制造[1]的概念。所謂云制造既是一種面向服務的，高能低耗的網絡化制造新模式，其融合了云計算、物聯網、大數據、語義Web等IT技術。它將各類分散的制造資源和制造能力進行了虛擬化、服務化后形成虛擬化的制造資源和制造資源池，并通過網絡進行集中的管理和經營。云制造的運營過程可表述為云制造服務平臺根據用戶的需求，在網上組織制造資源，為用戶提供各類按需的、可隨時獲取的制造服務。云制造環境下的資源調度是云制造中重要一環，云服務平臺接收到用戶的服務請求后，云資源平臺會根據用戶的要求(時間、效率、成本等)給出最優的資源調度組合，云平臺根據最優組合對資源進行調度從而在滿足客戶要求的同時也極大地提高了資源的使用率。資源調度方案的優劣會直接影響是否能夠滿足用戶需求(按時交貨、低成本等)，因此有必要對云環境下資源調度進行深入研究。

1 云制造資源調度的概述

云制造環境下的資源調度問題是一個綜合考慮時間、成本、服務質量和能力等的動態多目標優化過程。云制造環境下資源調度問題的本質是一個NP-hard問題。其目的是將有限的服務資源合理地分配給不同任務，從而提高制造效率和資源利用率。云制造環境下資源調度的過程如圖1所示。

2 云制造資源調度研究現狀

云制造作為一種制造的新模式，與時俱進將制造與網絡相結合，通過建立網絡服務平臺，用戶可以通過互聯網給網絡服務平臺發送相應的服務需求，然后服務平臺會根據用戶的要求進行相應的資源調度，以此來滿足用戶的服務請求，云制造資源調度極大的提高了資源的利用率以及生產效率。從近幾年的國內外的文獻來看，國內外的研究主要集中在以下幾個問題：云制造環境下車間資源調度；云制造環境下的資源搜索方法以及云制造環境下基于調度模型的智能算法的應用。

2.1 云制造環境下車間資源調度研究

云制造車間資源調度問題是在傳統車間資源調度的基礎上對車間資源調度問題進行進一步深入研究，云環境下資源種類更加多樣化，資源管理方式更加合理，資源分布更加廣泛，資源實時共享性強，云制造理論與傳統車間相結合形成云制造車間，這必然會產生新的待解決的問題如：車間資源的調度，管理，分配等。云制造環境下的車間資源調度問題顯然也是個NP-hard問題，只能對其進行優化處理，得到最優的調度方案，滿足用戶的需求。

目前國內眾多學者對對云制造環境下車間資源調度進行了深入研究，車間層資源調度是云制造環境下資源調度的基石，車間資源調度技術的發展為云制造環境下資源調度提供了強有力的技術支撐，云端的調度方案需到生產加工車間來完成相應的生產加工任務，云制造環境下車間資源調度易受外界事件干擾，同時外界突發情況的產生也對云制造環境車間資源調度影響很大。據此許敏湘[2]等提出事件驅動的云制造車間資源調度，用以提高云制造車間動態響應能力；楊屹[3]在事件驅動的云制造車間資源調度構想的基礎上同時引入Fosstrak, Esper, Drools等開源軟件用以解決云制造車間調度問題；而王軍強等在文獻[4]中研究了在云制造作業車間中不同擾動對機器的能力影響的問題，并在聚類算法的基礎上提出面向云制造的機器能力界定方法，建立了面向云制造作業車間的機器能力界定模型；在云制造環境下車間資源都是以網絡數據的形式存儲在網絡終端，因此對這些制造資源的管理調配也是云制造環境下車間資源調度問題需要解決與考慮的問題；朱呂[5]等通過引入JBoss Drools實現將程序中復雜的條件語句用規則的形式展示出來，方便管理程序的同時優化云制造車間資源調度問題；針對異地分布多車間協同生產計劃的關聯協調問題，基于云制造技術中面向服務的思想，李京生[6]等提出并建立動態制造資源能力服務化的分布式協同生產調度技術；針對云環境下車間資源分布廣，協同化高，實時共享性強的特點，孫月洲[7]建立云制造車間資源的模型，解決云制造車間資源的動態調度問題。同樣在文獻[8]為有效解決并行調度問題，王剛等基于重復叫價組合拍賣的思想，設計了一種多主體調度機制。而在文獻[9]中針對云制造混流車間的生產調度優化問題，基于物聯網和復雜事件處理技術，魯建廈等設計了一種兩級遞階結構的混合生物地理學優化算法，采用在遷移算子中變異策略來提高算法搜索效率；在文獻[10]中魯陳璐通過對多企業間的云制造資源調度問題進行研究，提出了基于極限加時間的兩級遞階算法，以及基于擴大空閑時間變鄰域搜索的混合遺傳算法；在文獻[11]中劉永等基于資源調度策略的研究，其在資源調度策略中引入雙向螞蟻機制，在該雙向螞蟻機制中螞蟻通過相互交流，能夠快速地發現合適的虛擬機資源；在文獻[12]中何林燕認為企業中柔性作業車間和云制造理論結合后會使柔性作業車間資源的調度任務發生改變即使得原本的設備能力變成離散型設備能力區間。針對這一問題，何林燕提出了啟發式蟻群算法，采用分層的方法，用蟻群算法對工序進行選擇，用啟發式規則對機器進行選擇。

同樣在國外云制造車間資源調度也已取得相應研究成果。SMITH[13]等指出未來制造企業的發展趨勢是從單純的制造向服務化制造轉變，企業需要將制造資源進行虛擬整合，提高資源的利用效率以解決轉型階段波動的訂單需求與持久性制造能力之間的供需矛盾；在文獻[14] 中O’Rourke等人認為隨著全球供應鏈管理技術的發展將進一步有助于企業生產滿足顧客需求的產品；而在文獻[15]中Jackson J. R對動態事件的分類進行了細化，研究了機床設備突發事件和單機環境下加工零件連續達到的問題，提出了以滾動窗口為基礎的再調度技術；隨著技術的發展在文獻[16]中Elizabeth S, Kerr M. R將能根據當前情況主動搜索知識庫的專家系統方法引入動態調度系統，從而選擇最優的調度策略；而在文獻[17]中陶飛等提出一種新的求解資源調度問題的新搜索算法，該算法的基本原理與水草在繁殖時如何尋找水源的原理相同。試驗顯示對同一個任務，新的算法和以往的方法相比較，明顯提高了作業效率與競爭的有效性，其在云制造車間資源調度領域也有廣泛的應用前景。針對云制造柔性車間資源調度的特點，文獻[18]中提出一種結合了混合粒子群優化算法與遺傳算法相結合的混合算法，用于解決云制造柔性作業車間調度問題。在文獻[19]中研究了云制造混合車間的協同調度問題，建立了基于工序成本的云制造混合車間調度模型，提出了遺傳算法和SA算法相結合的混合算法解決該問題。

綜合上述研究,目前關于云制造車間資源調度問題國內外研究學者們在充分研究云制造車間中資源的特點(分布廣、種類多和實時共享性強等)的基礎上結合了在車間環境下各種可能發生的狀況對云制造車間資源調度問題進行了探討，云制造車間資源在不同的影響因素下可采用不同的智能算法、軟件技術、操作方式等來優化云制造車間資源調度問題，提高資源調度的效率，同時對不同類型的云制造車間資源調度問題研究者們也做了相應的研究。

2.2 云制造環境下資源搜索方法

云環境下的資源調度的過程，主要由兩部分構成，即選擇最優云組合和制造資源的快速匹配與搜索。資源的搜索與匹配是進行資源調度的前提，通過資源搜索系統能反饋給我們空閑有效的可利用的資源，通過快速進行資源搜索、匹配可以保證得到最合適的云服務組合，云制造的核心思想是制造即服務[20]，如何快速、高效的匹配，搜索到合適的制造資源，以最快的速度為用戶提供最優的云調度方案是國內外學者研究的重點。

國外已進行了很多相關研究，Fu J[21]設計了一種新的優化資源搜索方法，通過計算任務和資源的間隔距離來尋找所需的最佳制造資源；Marouane Kessentini[22]等通過建立了結合結構和句法指標的需要在一個由很多單元組合組成的搜索空間內進行的元模型來解決資源搜索問題，并運用元啟發搜索算法對該模型進行求解。Wang J H, Liu H, Wang H Y[23]提出一種基于映射的樹的相似度算法，該算法用來匹配在本體彼此相似的概念樹，從而達到整合語義網中的各種信息的目的。文獻[24]在分析制造資源和需求特性的基礎上，提出一種綜合語義距離、性能、結構和實施的相似度算法，遵循“多級匹配，逐步細化”的原則，實現供給和需求的智能匹配；Nikolaos Trokanas[25]等人提出了一種基于知識建模和本體的用來解決輸入和輸出匹配的語義法；Tekli J, Chbeir R[26]則提出了一種旨在減少用戶在執行匹配任務時的工作量的自動XML語法匹配和比較的方法；Lartigau J, Nie L, Xu X[27]等針對環境約束提出一種將定單分解成多個任務并選擇多個供應商執行的方法，來完成云制造資源的優化配置，該類方法很好地解決制造資源與服務請求之間的匹配問題。文獻[28]中針對云制造服務在匹配過程中的多樣性、異構性、動態性和多約束性特點，提出了基于Web服務本體語言的資源匹配搜索模型，該模型的匹配過程分為3個過程即參數匹配、屬性匹配和綜合匹配過程；文獻[29]中為提高在中小型企業中云制造平臺的搜索引擎的實用性，建立了一個基于本體語言服務的中小企業智能搜索引擎用以提高資源的搜索效率。

在我國對云環境下的資源搜索也取得了豐碩的成果。李成海[30]等對如何實現云制造服務資源搜索智能、高效、便捷的實現進行了深入研究，在已有研究成果的基礎上提出了一種基于屬性匹配的云制造服務資源搜索方法；鄭鎂[31]等針對云設計環境下設計資源具有分布性、異構性和面向服務等特點,以語義Web為基礎，研究了基于語義推理的資源搜索匹配算法；鄭立斌[32]等人提出了具有語義屬性特征的能極大提高資源搜索效率的分級匹配方法；王成建[33]等人在研究了云資源匹配的問題，在充分考慮服務需求者要求的基礎上提出了一種云制造服務資源多層次匹配算法。李慧芳[34]等人研究了如何在云制造服務中快速搜索，匹配到合適資源的問題，基于制造云服務形式化描述，提出一種包括先初步篩選出候選服務集合，然后在初步篩選服務集合中篩選出具有最高匹配度的制造云服務的匹配智能化制造云服務搜索匹配算法；胡德敏[35]等分析利用中心服務器的計算模式來管理大量云制造資源存在的問題，提出了一種在云資源搜索算法基礎上進行改進的多關鍵字云資源搜索算法；李新[36]等人為了實現制造資源的加工能力和復雜加工任務之間的搜索匹配，設計了基于本體映射的加工任務與制造資源的匹配算法；文獻[37]中提出了一種基于本體語義的云制造服務供需智能匹配方法，該算法用來保證在云資源調度過程中的高效匹配。在文獻[38]中黎明、吳躍提出采用語義搜索引擎來解決云資源調度的問題；在文獻[39]中劉燁等人研究了在網絡環境中大量制造服務的描述存在異構的問題，如何令制造加工服務快速發現和匹配是亟待解決的問題，在此基礎上，劉燁等人運用Web本體語言OWL-DL實現制造加工服務規范描述。

結合上述文獻，研究者們根據云環境下資源是以虛擬資源的形式儲存在云資源管理平臺，根據網絡搜索的特點研究者們提出或改進不同的資源匹配，搜索智能算法來提高資源搜索效率，達到快速匹配任務的目的。云環境下的資源搜索，匹配的速率對云資源調度的效率有直接影響。目前很少有研究者研究出針對云制造的獨立資源搜索系統，計算機的硬件性能因素也會對資源搜索效率產生影響。

2.3 云制造環境下基于調度模型的智能算法應用

云制造環境下的資源調度是云制造的重要一環，調度策略的選擇直接影響云服務的服務質量，資源調度的本質是一個合理安排有限制造資源進行生產制造的過程，達到最大化提高制造資源的利用率，因此對調度策略的選擇就顯得尤為重要。下文結合國內外研究學者的研究成果對云制造環境下的解決資源調度問題的方法做了一個小結。

據國外相關研究，文獻[40]針對云環境下制造資源的組織和優化過于復雜的問題，提出一種基于改進的分布式遺傳算法用來選擇最優制造資源組合。該算法通過將分布式優化過程分成幾部分來完成，不僅保證了算法的運行速度同時也擴大了搜索范圍，提高了精度；在服務云中云資源使用者會向云平臺傳遞相應的服務指令，而云平臺會根據算法智能地將客戶服務指令分解成若干子指令。而在文獻[41]中作者提出混合人工蜂群算法來解決混合云中的資源調度問題；在文獻[42]中提出了一個綜合資源服務選擇的方法用以協助請求者獲得最佳的制造服務，并對云制造中資源服務選擇問題進行總結，提出了一種基于云制造中服務質量描述的模型和一種基于模糊理論的服務質量計算模型，基于上述模型，采用粒子群優化算法選擇最佳的服務組合；文獻[43]中Liu Yongkui ,Xu Xun, Zhang Lin等根據云制造允許多個用戶同時向云制造平臺提交需求任務，制造服務的集中管理和操作使云制造能夠并行處理多個制造任務。因此，云制造的一個重要問題是如何優化調度多個制造任務，以獲得更好的云制造系統性能。任務負載是云制造任務調度的重要基礎，基于此思想，筆者提出了一個云制造多任務調度模型，該模型將任務負載建模和服務質量系數和服務數量等服務的其他基本要素結合起來，然后研究了基于不同工作負載的任務調度方法對系統性能的影響，如總完工時間和服務利用率，并用不同的算法對該模型進行了求解。在文獻[44]中提出了一種支持服務統計相關性的云服務組合優化方法，建立了引入統計相關度指數的云服務統計相關性模型，并采用粒子群優化算法求解云服務組合優化問題；文獻[45]中作者根據云制造中的批量處理調度任務時具有動態性、實時性、大數據并發性和交換性需求的特點，為了有效地節約時間，降低車間生產成本，提出了一種優化模型，利用改進的粒子群優化算法解決任務調度問題；針對大量的能源消耗導致高運營成本，低投資回報，并且污染環境等問題，在文獻[46]中建立了系統在調度時把能源消耗作為一個重要參數的能源感知系統，該系統能把能源作為服務質量的一個重要參數，通過降低能源消耗，自動優化云資源的效率；在文獻[47]中利用馬爾可夫決策過程模型來構造基于云計算的視頻服務在多個地理上分散的數據中心，開發了一個基于敏感性分析和樣本的策略迭代優化算法，以獲得最佳的視頻位置和請求調度策；文獻[48]中針對在混合云中進行資源調度的問題，提出了基于市場的混合云優化調度方法；文獻[49]提出了一個面向共享的服務選擇和調度方法，能夠找到需求滿意度、服務利用率和服務共享成本之間的權衡。

在國內的相關研究中，熊永華[50]等分析了傳統資源調度方法在云資源調度中的局限性即搜索效率和精度低以及服務響應慢等問題，提出了基于維持負載均衡的多目標優化模型，采用改進型粒子群算法進行求解；而在袁浩[51]等分析了當前用于求解云計算資源調度問題的群智能算法的一些局限性，為進一步提高云計算資源調度效率，袁浩等提出一種基于社會力群體優化算法的云計算資源調度方法；武善玉等[52]針對在云環境下同時面對多個服務命令請求時怎樣進行資源調度的問題，提出以總完成時間最少及成本最低為最優目標的數學模型，并提出采用整數編碼方法編碼的離散粒子群遺傳混合算法來對該模型進行求解；馬軍、羅國富等[53]詳述了在云環境中多樣化、復雜化的資源需要首先對資源進行虛擬封裝處理，為了便于進行資源調度，文中提出基于改進合同網的虛擬制造資源CAgent運行機制；針對云環境下動態資源調度的問題，江笑妍等[54]利用Matlab對原有模型進行了優化，提出基于蟻群算法的，以資源使用者和資源提供商之間進行任務封裝時間最短為目標的資源動態調度函數；邰麗君等[55]根據云環境下資源調度極易受到諸如制造周期長，資源使用情況不明，涉及的加工企業過多等不確定因素的影響，建立了以最小化制造服務能力，最小化制造服務成本，最優化制造服務質量，最小化總制造服務時間為目標的云環境下多目標資源調度模型，提出了一種將調度分為適時調度和周期性調度兩種模式的技術，采用基于遺傳蟻群算法的制造資源調度算法對模型進行求解；肖瑩瑩[56]等從供應鏈的角度對云環境下的資源調度問題進行了研究，建立了一個采用了改進混合蛙跳算法進行求解有效的多目標生產運輸優化調度模型；唐海波等[57]研究了云制造環境下制造資源海量，異構等特點，構想出基于資源負載均衡的動態調度策略，建立以完成任務的總服務成本最小為最優化目標的模型；在云環境中進行資源調度會涉及調度耗時和開銷成本等問題，在趙莉[58]提出的改進布谷鳥搜索算法能有效的對云計算資源調度問題進行求解；薛玉[59]為提高云計算資源調度的效率，提出了一種基于混沌粒子群優化算法的云計算資源調度方法。

綜合上述研究文獻可知在云制造環境下的資源調度問題主要是要建立相應的云調度模型，而云模型的構建需要考慮不同影響因素(如面對海量的制造資源如何構建調度模型、在多個服務請求命令同時出現時怎樣調度、在面臨負載不均衡時如何解決云環境下的資源調度問題等等)，面對不同的云模型求解的優化算法也是各異的。

3 現階段存在的問題

隨著云制造的快速發展，對云制造環境下的資源調度問題的研究在眾多學者不遺余力的研究下也越來越深入。在總結他們的研究成果的同時也發現了以下存在的問題：

3.1 車間資源調度的局限性問題

隨著云技術的快速發展，云制造環境下資源的特點是高度的共享。目前針對云制造環境下的車間資源調度問題主要集中在優化車間的資源調度策略，優化調度算法，建立不同車間調度模型以解決車間資源調度問題等等。其局限性在于研究的對象往往是一個車間或者企業內部若干個車間之間的資源調度問題，對于不同企業車間之間進行的資源共享的研究尚不完整，同時把企業作為云服務提供者和云服務需求者的研究還要繼續深入研究。

3.2 資源搜索方法缺乏實用性的問題

在目前的研究中對云制造環境下的資源搜索和匹配方法大都對實際因素考慮不足，所提出的方法都是結合某一具體實例來驗證算法的可行性，缺乏普遍適用性，在實際生產制造中不確定因素居多，突發事件會時常發生，這些都會成為目前所提資源搜索算法在實際應用的過程中難以解決的難點，因此如何在這些資源搜索方法中加入實際影響因素是未來研究的重點。

3.3 解決資源調度問題方法的考慮因素不夠全面

在云資源服務的調度中研究者們都是在相對簡單的環境下進行資源調度的研究，根據云制造環境中不同的影響因素來研究調度問題，并在理論情況下進行了驗證。實際上云調度的過程是一個不可控的操作過程，在資源調度的過程中會遇到很多的問題，例如服務執行被耽擱，物流運輸故障等問題，云制造環境下的資源存在地域上的差異性，不同企業之間進行資源信息交流時存在運輸時間和成本的差異，這都是在未來進行云資源調度研究的方向。

4 發展展望

云制造是一個新興的概念，是一種面向服務需求的，充分實現資源共享的制造新模式。通過將制造資源虛擬封裝，由云資源平臺集中進行管理和調度。云模式的成功應用有助于增強企業的核心競爭力，降低企業的生產成本，提高企業生產的效率，增強企業對市場的動態應變能力和組織能力。云制造環境下資源調度是云制造服務的重要組成部分，目前資源調度的研究雖然還不全面，但隨著研究的深入，云平臺機制的不斷完善，云制造環境下的資源調度策略會越來越高效。

在云資源池中根據資源的狀態合理調度資源是目前研究者們研究的主線，云環境下的生產調度具有多任務并行的特點，此時如何對資源進行調度，處理任務排隊等候服務的問題都是值得研究的問題。隨著調度的發生會伴隨產生成本的問題，成本包括很多方面例如時間成本，運輸成本，人力成本等等。現階段研究者們對在調度的過程中調度未能成功執行的研究甚少，那么在調度失敗后必定要考慮將會隨之而產生的懲罰成本，那么這個成本該如何計算也將是后續值得研究的問題。

5 結語

本文主要圍繞云制造環境下資源調度的相關問題進行論述，并對云資源調度問題中涉及的車間資源調度，資源搜索以及云制造環境下基于調度模型的智能算法應用等問題的研究現狀進行了分析和總結，同時也發現了在現有研究中存在的問題和缺陷以及尚需進一步深入研究之處，例如在云制造車間資源調度中進行云資源調度的企業既可作為云服務的提供者也可作為云服務的需求者的情況，在云制造環境下資源的搜索方法中缺乏實際參考因素的問題，對于不同企業之間進行云服務交流時的成本不同問題等都需要后續進行進一步研究。

云制造環境下的資源調度使得資源的調度模式擺脫了傳統調度模式，資源調度更加高效，資源利用率更高，為企業的發展，轉型提供技術支持。云制造環境下調度技術的成熟將對云制造在全國的推廣普及有重要的作用，是我國從“制造大國”向“制造強國”轉型的關鍵因素。

[1]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]. 計算機集成制造系統,2010, 16(1): 1-7.

[2]許湘敏. 云制造理念下基于本體及其環境感知的作業車間調度問題研究[D]. 廣州: 華南理工大學, 2015.

[3]楊屹. 事件驅動的云制造車間調度研究 [D]. 廣州:華南理工大學, 2014.

[4]王軍強, 崔福東, 張承武,等. 面向云制造作業車間的機器能力界定方法[J]. 計算機集成制造系統,2014, 20(9):2146-2163.

[5]朱呂, 姚錫凡, 徐川. 基于JBoss Drools的車間調度[J]. 組合機床與自動化加工技術, 2014(6):131-134.

[6]李京生, 王愛民, 唐承統,等. 基于動態資源能力服務的分布式協同調度技術[J]. 計算機集成制造系統,2012, 18(7): 1563-1574.

[7]孫月洲. 云制造車間資源調度與配置模型及優化研究[D]. 哈爾濱：哈爾濱理工大學,2012.

[8]王剛，陳秋雙，全雄文. 加工時間可控的多主體調度問題[J]. 計算機集成制造系統，2013, 19(9):2187-2192.

[9]魯建廈, 胡慶輝, 董巧英,等. 面向云制造的混流混合車間調度問題[J]. 中國機械工程,2017,28(2):191-198.

[10]魯陳璐. 制造系統柔性資源調度問題及其優化算法研究[D]. 杭州：浙江大學,2016.

[11]劉永, 王新華, 邢長明,等. 云計算環境下基于蟻群優化算法的資源調度策略[J]. 計算機技術與發展, 2011(9):19-23.

[12]何林燕. 云制造環境下柔性作業車間調度算法的研究[D]. 哈爾濱：哈爾濱理工大學,2017.

[13] Smith A D, Rupp W T. Application service providers (ASP): moving downstream to enhance competitive advantage.[J]. Information Management & Computer Security, 2002, 10(10):64-72.

[14] ORourke D. The science of sustainable supply chains.[J]. Science, 2014, 344(6188):1124-1127.

[15] Jackson J R. Scheduling a production line to minimize maximum tardiness[J]. Management Sciences Research Project,1955: 43-47.

[16] Elizabeth S, Kerr M. R. Knowledge-based Reactive Scheduling[J]. Production Plan&Control, 1994, 5(5): 124-145

[17] Cheng Lin, Zhang Qingzhen, Tao Fei, et al.A novel search algorithm based on waterweeds reproduction principle for job shop scheduling problem[J].The International Journal of Advanced Manufacturing Technology, 2016, 84(1):405-424.

[18] Tang Jianchao, Zhang Guoji, Lin Binbin, et al.A hybrid algorithm for flexible job-shop scheduling problem[J].Procedia Engineering, 2011, 15(1):3678-3683.

[19] Li X, Lu J, Chai G, et al. Hybrid genetic algorithm for mixed-model hybrid-shop scheduling problem[J]. China Mechanical Engineering, 2012, 23(8):935-940.

[20] Chen K, Zheng W M. Cloud computing: System instances and current research[J]. Journal of Software, 2010, 20(5):1337-1348.

[21] Fu Jingzhi. A practical resource-searching method for manufacturing grid[J]. The International Journal of Advanced Manufacturing Technology, 2014, 74(1):335-340.

[22] Kessentini M, Ouni A, Langer P, et al. Search-based metamodel matching with structural and syntactic measures[J]. Journal of Systems & Software, 2014, 97:1-14.

[23] Wang Jihua, Liu Hong, Wang Huayu. A mapping-based tree similarity algorithm and its application to ontology alignment[J]. Knowledge-Based Systems, 2014, 56(C):97-107.

[24] Tai Lijun, Hu Rufu, Chen Caowei, et al. Manufacturing resources and demand intelligent matching in cloud manufacturing environment[J]. Advanced Materials Research, 2012, 616-618:2101-2104.

[25] Trokanas N, Cecelja F, Raafat T. Semantic input/output matching for waste processing in industrial symbiosis[J]. Computers & Chemical Engineering, 2014, 66(10):259-268.

[26] Tekli J, Chbeir R. Minimizing user effort in XML grammar matching[J]. Information Sciences, 2012, 210(10):1-40.

[27] Lartigau J, Nie L, Xu X, et al. Scheduling methodology for production services in cloud manufacturing[C]// International Joint Conference on Service Sciences. IEEE Computer Society, 2012:34-39.

[28] Yin Chao,Qing Xia,Wu Lizhen. Semantic matching technique of cloud manufacturing service based on OWL-S[J].Computer Integrated Manufacturing Systems, 2012, 18(7):1494-1502.

[29]Sheng Buyun, Zhang Chenglei, Yin Xiyan, et al. Common intelligent semantic matching engines of cloud manufacturing service based on OWL-S[J]. The International Journal of Advanced Manufacturing Technology, 2016, 84(1):103-118.

[30] 李成海, 黃必清. 基于屬性描述匹配的云制造服務資源搜索方法[J]. 計算機集成制造系統,2014, 20(6):1499-1507.

[31]鄭鎂, 羅磊, 江平宇. 基于語義Web的云設計服務平臺及關鍵技術[J]. 計算機集成制造系統, 2012, 18(7):1426-1434.

[32]鄭立斌, 顧寄南. 網絡制造資源發現機制的研究[J]. 機械設計與制造,2011(4):242-243.

[33]王成建, 劉建勝, 夏芳臣,等. 云制造服務資源多層次匹配算法研究[J]. 機械設計與制造,2014(5):250-252.

[34]Li Huifang , Dong Xun , Song Changgang. Intelligent searching and matching approach for cloud manufacturing service[J]. Computer Integrated Manufacturing Systems, 2012, 18(7):1485-1493.

[35] 胡德敏, 張明英. 多關鍵字云資源搜索算法研究[J]. 計算機應用研究,2016, 33(9):2615-2618.

[36]李新. 基于本體的制造資源建模與智能搜索研究開發[D]. 西安：西安建筑科技大學,2016.

[37]劉慧敏, 宋庭新, 伍孟軒,等. 一種基于本體語義的云制造服務供需智能匹配方法[J]. 湖北工業大學學報, 2015, 30(1):47-50.

[38]黎明, 吳躍, 陳佳. 基于語義搜索引擎的云資源調度[J]. 計算機應用研究, 2015, 32(12):3735-3737.

[39]劉燁, 史明華. 基于OWL-DL的制造加工服務描述建模方法[J]. 計算機集成制造系統, 2011, 17(4):767-775.

[40] Wang Lei, Guo Shunsheng, Li Xixing, et al. Distributed manufacturing resource selection strategy in cloud manufacturing[J]. International Journal of Advanced Manufacturing Technology, 2016:1-14.

[41] Zhou Jiajun，Yao Xifan. A hybrid artificial bee colony algorithm for optimal selection of QoS-based cloud manufacturing service composition[J]. International Journal of Advanced Manufacturing Technology, 2016:1-17.

[42]Zheng Hao, Feng Yixiong, Tan Jianrong. A fuzzy QoS-aware resource service selection considering design preference in cloud manufacturing system[J]. The International Journal of Advanced Manufacturing Technology, 2016, 84(1):371-379.

[43]Liu Yongkui ,Xu Xun, Zhang Lin, et al. Workload-based multi-task scheduling in cloud manufacturing[J]. Robotics and Computer-Integrated Manufacturing, 2016，45(2017):3-20.

[44]Li Huifang, Rui Jiang , Ge Siyuan. Researches on manufacturing cloud service composition & optimization approach supporting for service statistic correlation[C]// CCDC, 2014:4149-4154.

[45] Jian,C.F,& Wang,Y. Batch task scheduling-oriented optimization modelling and simulation in cloud manufacturing.International [J]. Journal of Simulation Modelling,2014,13(1), 93-101.

[46] Singh S, Chana I, Singh M, et al. SOCCER: Self-Optimization of Energy-efficient Cloud Resources[J]. Cluster Computing, 2016:1-14.

[47]Zhang Zhenghuan, Jiang Xiaofeng, Xi Hongsheng. Optimal content placement and request dispatching for cloud-based video distribution services[J]. International Journal of Automation & computing, 2016, 13(6):1-12.

[48] Wang Zhongjie, Xu Xiaofei. A sharing-oriented service selection and scheduling approach for the optimization of resource utilization[J]. Service Oriented Computing and Applications, 2012, 6(1):15-32.

[49] Ding Kai, Jiang Pingyu, Zheng Mei. Environmental and economic sustainability-aware resource service scheduling for industrial product service systems[J]. Journal of Intelligent Manufacturing,2015:1-14.

[50] 熊永華, 王靜, 吳敏,等. 面向多目標優化的云制造虛擬資源調度方法[J].計算機集成制造系統, 2015, 21(11):3079-3087.

[51] 袁浩, 李昌兵. 基于社會力群智能優化算法的云計算資源調度[J]. 計算機科學, 2015, 42(4):206-208.

[52]武善玉, 張平, 李方. 云制造系統中基于粒子群優化的多任務調度[J].華南理工大學學報, 2015, 43(1):105-110.

[53]馬軍, 羅國富, 路迪,等. 制造資源云集成元建模及云Agent服務調度研究[J].中國機械工程, 2014,25(7)：917-923，930.

[54] 江笑妍, 李芳. 云制造環境下基于蟻群算法資源動態調度優化[J]. 物流科技, 2016, 39(1):24-27.

[55] 邰麗君, 胡如夫, 趙韓,等. 面向云制造服務的制造資源多目標動態優化調度[J]. 中國機械工程, 2013, 24(12):1616-1622.

[56] 肖瑩瑩, 李伯虎, 莊長輝,等. 面向用戶多品種定制的分布式供應鏈調度[J]. 計算機集成制造系統, 2015, 21(3):800-812.

[57] 唐海波, 黃瓊瓊, 張明,等. 云制造環境下資源動態調度系統研究[J]. 機械工程與自動化, 2014(6):4-6.

[58] 趙莉. 基于改進布谷鳥搜索算法的云計算資源調度[J]. 南京理工大學學報, 2016, 40(4):472-476.

[59] 薛玉.云計算環境下的資源調度優化模型研究[J].計算機仿真,2013,30(5):362-365.