1.一种基于ONBA的云制造任务最短生产时间调度方法，其特征在于：所述方法包括以下步骤：

步骤1：用户向云制造平台上传大型任务；

步骤2：云制造平台将大型任务分解，划分为m个加工请求J＝{J1,J2,J3...Jm}，Ji∈J，Ji表示由单一工序完成的子任务；

步骤3：基于ONBA算法为每一道工序排序调度，选择对应的生产资源和生产厂商；

步骤4：基于ONBA算法确定每两道相邻工序之间的相互关系和相邻工序之间的物流时间关系。

2.根据权利要求1所述的一种基于ONBA的云制造任务最短生产时间调度方法，其特征在于：所述步骤3中，生产任务Ji必须按照各自的生产工序P顺次生产，P＝{P1,P2,P3...Pn}，每道生产工序在任意时刻最多只进行一个任务的生产工作；已知每个任务的生产工序、在每道生产工序的生产时间以及各道工序之间的物流时间的开销，在考虑物流时间影响的情况下，找到最优的生产任务顺序J，并按照此生产任务序列进行调度，使得批量云制造任务完成生产的总的时间开销达到最小。

3.根据权利要求2所述的一种基于ONBA的云制造任务最短生产时间调度方法，其特征在于：所述步骤3包括以下步骤：步骤3.1：综合生产厂商在加工成本、可靠性和可用性的特性，获得记录了任一子任务在每道工序上的时间花费的多维数组Timem×n，以Timeij表示任务Ji在第j道工序Pj上执行所花费的时间、以 与 分别表示任务Ji在第k道工序Pk上执行的开始时间和结束时间；

步骤3.2：任务Ji在工序Pk上执行完后，比较任务Ji在Pk上执行的终止时间与任务Ji-1在Pk+1上执行的终止时间，取较大值为任务Ji在执行Pk+1上执行的起始时间；当任务Ji在云制造车间中的第k道工序的生产时间为0，则 任务Ji在第k道工序上的开始时间即为其结束时间；当任务Ji在云制造车间中的第k道工序的生产时间不为0，则任务Ji在第k道工序的生产开始时间为第k道工序中前一道生产时间不为0的工序生产结束时间 加上该道工序到第k道工序的物流时间；即其中， 为表示第k道工序前一道生产时间不为0的

工序， 为工序 到工序i间的物流时间。

4.根据权利要求1所述的一种基于ONBA的云制造任务最短生产时间调度方法，其特征在于：所述步骤4中，以logij记录生产节点i到生产节点j的物流时间开销。

5.根据权利要求4所述的一种基于ONBA的云制造任务最短生产时间调度方法，其特征在于：所述步骤4包括以下步骤：步骤4.1：初始化，设置ONBA算法种群数量、每个蝙蝠初始的位置和速度、最大迭代次数Gmax、脉冲发射频率f、响度Ai、收缩系数ρ和缩放因子，令迭代次数t＝0；以xij为第i个粒子的在第j个维度的位置，其在服务组合过程中表示云制造任务Tj执行的次序编号；定义目标函数f(x)；

步骤4.2：若t＜Gmax，调整脉冲发射频率f，更新速度V与位置信息X；

步骤4.3：若rand(0,1)

维度的平均值，r∈[0,1]，uij为在(0，1)均匀分布的随机数，p为常数；

若rand(0,1)≥P，则以fij＝fmin+(fmax-fmin)r、更新参数，β1＝

c1r1，β2＝c2r2，其中，fmax和fmin分别为脉冲发射频率的最大值和最小值，0＜P＜1，ω为粒子更新的惯性权重因子，c1为粒子个体的学习因子，c2为粒子群体的学习因子，r1、r2∈[0,1]，pi为第i个粒子在第t次迭代时自身的个体最优位置，g表示整个粒子群体当前时刻的群体最优位置；

步骤4.4：若rand(0,1)＞r， 否则，进行下一步；

其中，；为在(0,1)满足正态分布的随机数，σ为缩放因子；

步骤4.5：通过蝙蝠随机飞行产生新的解；

步骤4.6：若rand(0,1)

率， 为一个在(0,1)之间均匀分布的数，γ＞0；

步骤4.7：从种群中随机选择三个蝙蝠个体，以

和

产生新解，与之前的解作对比，找到当前的最佳解；其

中，i≠p1≠p2≠p3，p1、p2、p3分别表示种群中的个体， 为缩放因子， jr为粒子维度内的一个随机整数，cr为交叉概率；

步骤4.8：t＝t+1，返回步骤4.2。

6.根据权利要求5所述的一种基于ONBA的云制造任务最短生产时间调度方法，其特征在于：所述步骤4.3中，P＝0.5。

7.根据权利要求5所述的一种基于ONBA的云制造任务最短生产时间调度方法，其特征在于：所述步骤4.3中，p＝0.5。

8.根据权利要求5所述的一种基于ONBA的云制造任务最短生产时间调度方法，其特征在于：所述步骤4.3中，c1＝c1s+(c1e-c1s)*sinω，c2＝c2s+(c2e-c2s)*sinω，其中，r3、r4、r∈[0,1]，Gmax为最大迭代次数，ωs和ωe分别为惯性权重的初始值和最终值，t是当前迭代的次数，c1s和c2s为c1和c2的初始值，c1e和c2e为c1和c2的迭代最终值。