Tasks in the field of service-oriented manufacturing (SOM) such as cloud manufacturing have the characteristics of complexity, heterogeneity, uncertainty, and geographically distribution, which make scheduling them nontrivial and challenging, especially in the fuzzy environment. A fuzzy multicriteria modeling is of importance for the problem of fuzzy scheduling in SOM. In this article, four comprehensive models are proposed, which are different in the uncertain degree of considered performance criteria and/or defuzzification timepoints of fuzzy values. For each model, all weighted criteria are aggregated by using an exponential benefit function. For solving the models, three scheduling algorithms, namely one-level fuzzy ant colony optimization (OFACO), two-level single optimization fuzzy ACO (TSFACO), and two-level double optimization fuzzy ACO (TDFACO), are proposed. OFACO takes the view of the whole set of tasks on the SOM platform only whereas TSFACO and TDFACO consider both the view of the whole set of tasks and the view of individual task. The performance and effectiveness of the proposed fuzzy models and scheduling schemes are compared, respectively, using test datasets with varying sizes. The test results show that the first model with fuzzy objective is better for type-1 fuzzy uncertainty whereas the second model with defuzzified objective is better for type-2 fuzzy uncertainty and TDFACO outperforms the other two scheduling schemes in terms of the proposed integrated fuzzy multicriteria performance both from the individual task perspective and the whole task perspective.

中文翻译：

---

服务型制造中考虑多准则模糊不确定性的多任务调度

云制造等面向服务的制造（SOM）领域的任务具有复杂性、异构性、不确定性和地域分布性等特点，这使得它们的调度变得非常重要和具有挑战性，尤其是在模糊环境中。模糊多准则建模对于解决 SOM 中的模糊调度问题很重要。在本文中，提出了四种综合模型，它们在考虑的性能标准和/或模糊值的解模糊时间点的不确定程度方面有所不同。对于每个模型，所有加权标准都使用指数收益函数聚合。为了求解模型，三种调度算法，即一级模糊蚁群优化（OFACO）、二级单优化模糊ACO（TSFACO）、和两级双优化模糊ACO（TDFACO），被提出。OFACO 只考虑 SOM 平台上的整套任务视图，而 TSFACO 和 TDFACO 则考虑了整个任务集的视图和单个任务的视图。所提出的模糊模型和调度方案的性能和有效性分别使用不同大小的测试数据集进行比较。测试结果表明，具有模糊目标的第一个模型更适合类型 1 的模糊不确定性，而具有去模糊目标的第二个模型更适合类型 2 的模糊不确定性，并且 TDFACO 在提出的集成模糊多准则方面优于其他两种调度方案从单个任务的角度和整个任务的角度来看表现。OFACO 只考虑 SOM 平台上的整套任务视图，而 TSFACO 和 TDFACO 则考虑了整个任务集的视图和单个任务的视图。所提出的模糊模型和调度方案的性能和有效性分别使用不同大小的测试数据集进行比较。测试结果表明，具有模糊目标的第一个模型更适合类型 1 的模糊不确定性，而具有去模糊目标的第二个模型更适合类型 2 的模糊不确定性，并且 TDFACO 在提出的集成模糊多准则方面优于其他两种调度方案从单个任务的角度和整个任务的角度来看表现。OFACO 只考虑 SOM 平台上的整套任务视图，而 TSFACO 和 TDFACO 则考虑了整个任务集的视图和单个任务的视图。所提出的模糊模型和调度方案的性能和有效性分别使用不同大小的测试数据集进行比较。测试结果表明，具有模糊目标的第一个模型更适合类型 1 的模糊不确定性，而具有去模糊目标的第二个模型更适合类型 2 的模糊不确定性，并且 TDFACO 在提出的集成模糊多准则方面优于其他两种调度方案从单个任务的角度和整个任务的角度来看表现。所提出的模糊模型和调度方案的性能和有效性分别使用不同大小的测试数据集进行比较。测试结果表明，具有模糊目标的第一个模型更适合类型 1 的模糊不确定性，而具有去模糊目标的第二个模型更适合类型 2 的模糊不确定性，并且 TDFACO 在提出的集成模糊多准则方面优于其他两种调度方案从单个任务的角度和整个任务的角度来看表现。所提出的模糊模型和调度方案的性能和有效性分别使用不同大小的测试数据集进行比较。测试结果表明，具有模糊目标的第一个模型更适合类型 1 的模糊不确定性，而具有去模糊目标的第二个模型更适合类型 2 的模糊不确定性，并且 TDFACO 在提出的集成模糊多准则方面优于其他两种调度方案从单个任务的角度和整个任务的角度来看表现。