1. 研究目的与意义
选题为《云服务背景下考虑机会约束的装箱问题研究》
随着多核处理器、虚拟机、分布式存储以及相应信息技术的发展，云计算作为新的互联网服务资源的供应模式出现。云计算可以将分散在互联网上的服务资源如服务器、存储设备等进行整合，并最终向任意位置、不同终端的用户提供服务，通过资源的合理配置提高资源的利用效率，同时云计算采取按需付费的模式——通过所提供的网络访问渠道进入资源池，根据需求寻求服务并按使用量付费。
云计算所拥有的优势，使得其迅速获得了用户的青睐，需求日益增长，而现实中云计算提供的服务资源数量是有限的，当对服务资源的单次需求过大时，云服务供应商无法满足其需求。此外，供应商在供应云计算服务资源时需要满足服务水平协议（Service Level Agreement，SLA）。因此当处理云服务资源供应问题时既需要满足SLA条件，又不能超过云服务供应商所能提供的最大服务资源的数量。云服务的资源配置策略对于实际的生产应用具有重要意义，合理的资源配置策略能使用户需求得到满足的同时提高云服务供应商的收益，减少资源的不必要浪费。
2. 研究内容和预期目标
研究内容：云服务背景下考虑机会约束的装箱问题研究
1、具体研究云服务流程（包括用户、平台以及资源供应商等方面），构造出云服务背景下资源调度框架，在时间维度给出资源调度的流程进度（包括需求提交、资源调度及匹配等）
2、根据调度框架，提取数学模型，以用户满意度为优化目标，依据实际情形给出假设条件及约束规划
3. 国内外研究现状
目前对于云计算背景下资源调度问题的研究大部分是从任务角度出发[1,2]，大致分为两类，第一类是建立主要以成本、时间等为优化目标的云服务调度模型，第二类是构建云服务调度模型并设计合适的进化算法获得解。在此分类的基础上[3]，我们把现有的云服务调度问题分为单一复合任务规划问题及多任务规划问题。其中，单一复合任务规划问题主要通过实现服务的最优配置来解决，与一般的服务组成结构问题不同，为了使单一复合任务调度规划更加有效，在服务选择和调度过程中，肯定会考虑资源占用情况[4]。为了得到更有效实际的解决办法，Akbaripour等[5]提出了一种考虑运输距离与服务组成结构结合的复合算法，首次在云服务背景下运输网络系统中提出运输路线与服务模型的优化。另一类问题是多任务规划问题，针对该问题的现有研究主要侧重于优化多任务资源配置，Li等[6]提出了针对分配在不同企业的机器人调度规划的数学模型，以解决云服务背景下服务调度过程中的多异质任务的问题，他通过对四种不同的机器人部署分配策略的方针模拟，建立模型分析调度性能。除了上述模型，在制造资源整合和调度中还应考虑了服务及制作任务之间的关联性[7,8]。通过对任务工作量、服务数量和服务效率进行建模，Liu等[9]建立了一个考虑服务时间、成本的，面向多任务的服务调度模型，并讨论了不同算法策略下模型的性能优化效果。上述模型均是从任务角度进行构建的，并未涉及用户层面的个性化需求，因此Zhou等[10]根据用户多样化需求建立了云服务调度生产模型，设定各任务分属不同的用户，但未能考虑到单个用户提交多个任务的可能性。
曹先彬等[11,12]运用免疫遗传算法进行求解，并以实验证明其算法具有良好的全局收敛性，能有效解决装箱问题。罗贺、汪永康等[13]提出了双加权最小连接负载均衡策略，结合服务器的处理性能及服务需求给出相应权值，并用贪心算法进行求解。刘胜等[14]提出启发式二叉树搜索算法用于三维装箱问题的研究，其测试结果最终表明装箱率显著提高。李灿毅、张沙清[15]采用基于浏览器引擎的Web GL技术构建了一个多容器多货物的web装箱系统，并利用解析几何给出了装箱仿真过程中矢量数据的渲染及相关几何变化。张森均[16]提出通过基于遗传算法进行数学建模并通过算法解析多维装箱问题，以提高空间利用率，达到利润最大化。李孙寸等[17]采用多元优化算法（Multi-variant optimization algorithm,MOA）实现三维装箱问题的求解，算法通过随机放置及局部优化逐步逼近最优解，并用实例的测试仿真效果证明了该算法的有效性和可行性。张玉梅等[18]发表了一种基于遗传算法，结合容器数量与空间利用率，筛选出使用容器最少且空间利用率最高的最佳容器组合装箱方案。
4. 计划与进度安排
1-2周：了解云服务流程，研究其服务原理，查阅相关文献整合文献中相关问题的研究方法
3-4周：研究现有NP完全问题的算法以及机会约束的解决方法，学习并实践部分算法，在学习实践过程中体会算法的优势与不足以便后期改进。
5. 参考文献
[1] Li, K., W. Xiao, and S.-l. Yang. 2019. “Scheduling Uniform Manufacturing Resources via the Internet: A Review.” Journal of Manufacturing Systems 50: 247–262.
[2] Liu, Y., L. Wang, X. V. Wang, X. Xu, and L. Zhang. 2019. “Scheduling in Cloud Manufacturing: State-of-the-Art and Research Challenges.” International Journal of Production Research 57 (15-16): 4854–4879.
[3] WANG TR, ZHANG PZ, LIU J, et al. Multi-user oriented manufacturing service scheduling with an improved NSGA-II approach in cloud manufacturing system[J]. International Journal of Production Research, DOI: 10.1080/00207543.2021.1893851
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
