基于GWO-SVR和改进SA算法的知识-业务配置

来源：计算机集成制造系统杂志2024年第1期北京时间：

作者：叶晨, 战洪飞, 余军合, 王瑞

单位：宁波大学机械工程与力学学院

摘要：为解决业务流程下业务单元与知识资源配置分离的问题,提出一种基于灰狼算法优化支持向量回归(GWO-SVR)和改进模拟退火算法(SA)的知识-业务优化配置策略。该策略基于用户需求和业务情景分析,将知识资源封装为知识模块。在此基础上,通过配置器作用实现知识模块与业务单元间的初始配置。然后,依据知识模块评价指标参数分析,构建综合评价指标体系,并运用CRITIC-模糊综合评估法得到知识-业务配置组合评价量表;基于此评价量表,构建和训练基于GWO-SVR的知识-业务配置组合动态评价模型。由于GWO-SVR是回归模型,可将该训练好的模型的函数关系式作为改进SA算法优化的目标函数导入,通过寻优迭代找到最优值对应的最优组合方案,实现满足业务需求的知识资源最优配置。以减速器箱体加工为例进行验证,证明了所用模型和算法的有效性。

关键词：知识-业务配置,知识模块,支持向量回归,灰狼算法,模拟退火算法,知识服务

基金资助：国家重点研发计划资助项目(2019YFB1707101,2019YFB1707103);国家自然科学基金资助项目(71671097);浙江省公益技术应用研究计划资助项目(LGG20E050010,LGG18E050002);宁波市自然科学基金资助项目(2018A610131)。