摘 要

云制造是一种新的面向服务的制造模式，它可以对可配置制造资源共享池进行十分方便的访问，并将共享资源集成并封装成制造服务，通过组合多个服务来满足制造企业中某些特定的制造需求。在云制造平台上，服务提供商根据供需匹配结果向服务需求方提供制造服务，因此，如何有效地建立制造服务之间良好的合作关系是一个关键问题。

为了实现云制造的理想目标，本文重点研究了制造服务组合的概念和它们之间的合作演化问题。根据网络拓扑的知识，将任务方的需求和服务方的服务定义为动态协同网中的两种节点，它们通过二者之间的链路建立联系。在公共货品博弈的基础上，本文构建了模仿学习和自学习这两种不同的策略更新机制，使用多智能仿真平台Repast，建立制造服务组合的调度模型并进行了仿真，得到了收益因子的改变对于自学习机制而言影响不大，相对于模仿学习机制而言，自学习机制能够有效地促进合作的演化。最后，总结了本文的结论，并对未来的研究进行了展望。

关键词：云制造；制造服务组合；策略更新机制；Repast

Abstract

Cloud manufacturing is a new and Service-oriented Manufacturing mode,and it can conveniently access to the configurable manufacturing resource sharing pool and integrate and encapsulate shared resources into manufacturing services, combining multiple services to meet specific manufacturing needs in the manufacturing enterprise. On the cloud manufacturing platform, according to supply-demand matching results, service providers provide Corresponding manufacturing services to the demander, so how to effectively build a fine cooperative relationship between manufacturing services is a key issue.

In order to realize the ideal goal of cloud manufacturing, this paper focuses on the concept of manufacturing service portfolio and the evolution of cooperation between them. Based on the knowledge of the network topology, the requirements of the task-side and the service of the service side are defined as two nodes in the dynamic collaborative network, which are connected by a link between them. On the basis of the public goods game, this paper constructs two different strategy update mechanisms of imitation learning and self-learning, uses the multi-intelligent simulation platform Repast, establishes the scheduling model of manufacturing service combination and simulates them, and gets the change of the income factor to have little effect on the self-learning mechanism, compared with the imitation learning mechanism, the self-learning mechanism can effectively promote the evolution of cooperation. Finally, the conclusion of the paper is summarized, and prospect of future research is looked forward.

Keywords: Cloud manufacturing; Manufacturing service portfolio; Strategy update mechanism; Repast

目录

第1章 绪论 1

1.1 研究目的以及意义 1

1.2 国内外研究现状 2

1.2.1 演化博弈论的研究现状 2

1.2.2 动态协同网络研究现状 4

1.3 本文的主要工作 5

1.4 本文的章节安排 6

第2章 制造业服务供需匹配网络模型 7

2.1制造协作网模型建模 7

2.1.1服务网络模型 7

2.1.2任务网络模型 9

2.1.3服务-任务匹配模型 9

2.2基于公共货品博弈的服务节点博弈模型 11

2.3服务节点的策略学习机制 12

2.3.1模仿学习机制 12

2.3.2自学习机制 14

2.4本章小结 15

第3章 模型仿真 16

3.1多智能体建模方案 16

3.1.1 仿真工具 16

3.1.2 Agent调度方案设计 17

3.2仿真实验 19

3.2.1 实验设置 19

3.2.2 实验结果与分析 21

3.3本章小结 22

第4章 总结和展望 23

4.1全文总结 23

4.2工作展望 23

参考文献 24

致谢 26

第1章 绪论

研究目的以及意义

在人类社会文明发展过程中，合作具有极其重要的意义，“人类的合作行为如何演化”问题更是成为决定未来科学研究发展方向的科学难题之一，可以看出，合作演化问题的研究显得十分重要。大量来自数学、工程科学和生物学等领域的优秀人物开始从不同的专业方向出发，探索这个科学难题背后隐藏的原理，这对于人类社会的前进和发展具有极其重要的参考意义。虽然在达尔文的“物竞天择，适者生存”理论下^[1]，种群中的个体会采取自私行为来保护自己的利益，但是在现实生活中，合作现象仍然存在，比如许多像狼群一样的群居动物的合作捕食，羊群之间的反哺等^[2]，在人类社会，正如哈佛大学数学与生物学教授Martin Nowak所提到的那样，合作像架构师一样驱动人类的进化和创新能力的发展，而且为我们的生物组织的发展注入新活力。

通过演化博弈论，我们可以从不同的维度来研究种群中个体的合作演化规律。其中，起源于生物进化论的演化博弈论与传统博弈论有许多不同之处，它并不要求群体中的个体是完全理性的，强调的是模型中的一种动态平衡，可以把包含许多因素的个人和群体行为都纳入到博弈模型中去，进而形成一个可以展示微观层面的宏观模型，因此，行为主体的复杂性和多样性可以通过演化博弈论来真实的反映，进而为有效地指导个体或者群体的合作演化过程的发展提供理论依据。近年来，演化博弈论因其数学的严密性和理论的严谨性，开始扩展到经济学、工程科学和生物学等领域^[3]。在对理论深入研究过程中，学者们总结出了一个个经典模型，比如鹰鸽博弈（Hawk Dove game）、斗鸡博弈(Chicken Game)、枪手博弈（Gunner's game）、囚徒困境（Prisoner's Dilemma）和公共品博弈（Public Goods Game）等。