Web服务组合的参数自适应小生境差分进化方法技术

本发明专利技术公布了一种Web服务组合的优化方法，依据用户的服务需求，采用参数自适应小生境差分进化方法，快速稳定地得到体验质量高的Web服务组合的优选结果。首先建立一个基于体验质量QoE评价指标的模糊专家系统模型，并使用参数自适应小生境差分进化算法求解，该算法将初始种群划分为若干子种群，对各个子种群中优秀个体之间小于小生境半径的个体进行重置，让所有子种群的个体在各自的环境中进化迭代；对种群中个体进行变异、交叉操作，利用贪婪算法进行优选成员，在算法迭代过程中动态地调节缩放因子和交叉率，提高算法的收敛速度和算法的稳定性。

Parameter adaptive small habitat differential evolution method for Web service composition

The invention discloses an optimization method for Web service composition. According to the service requirements of users, a parameter adaptive niche differential evolution method is adopted to quickly and steadily obtain the optimal results of Web service composition with high quality of experience. Firstly, a fuzzy expert system model based on QoE evaluation index of experience quality is established and solved by parameter adaptive niche differential evolution algorithm, which divides the initial population into several sub-populations and resets the individuals whose niche radius is less than the niche radius between the excellent individuals in each sub-population. Individuals evolve iterations in their own environments, mutate and cross-operate individuals in the population, optimize members by using greedy algorithm, dynamically adjust the scaling factor and crossover rate in the iterative process of the algorithm, and improve the convergence speed and stability of the algorithm.

【技术实现步骤摘要】
Web服务组合的参数自适应小生境差分进化方法
本专利技术设计Web服务组合领域，具体涉及Web服务组合的参数自适应小生境差分进化方法。
技术介绍
随着Web服务相关标准的持续完善，越来越多的Web服务在网上共享，然而单个Web服务功能有限，很难满足实际需求，因此需要将共享的Web服务组合起来，增强Web服务的能力。Web服务组合的研究在这种背景下被提出，并吸引了工商界和学术界的广泛关注。目前广泛采用的服务度量标准为QoS（QualityofService），QoS评价指标主要包括信誉度、可用性、成本费用、响应时间等。但这只仅仅反映了服务技术方面的特性，用户的主观方面被忽略了，所以不能够反映用户对服务的满意程度。体验质量（QualityofExperience，QoE）是凭借用户满意程度来作为评价标准的。它结合了网络性能、业务质量、主观评测等影响因素，直接反映了用户对服务舒适度的满意程度。Web服务组合的实质为NP难问题，目前主流的算法是智能优化算法。差分进化算法具有高可靠性、强鲁棒性以及良好的优化性能，但同时也有早熟收敛和搜索停滞的缺点。
技术实现思路
本专利技术针对上述问题，提出Web服务组合的参数自适应小生境差分进化方法，在标准差分进化算法的基础之上，引入小生境淘汰策略和参数自适应不仅能避免标准差分进化算法本身的缺点还能提高其算法的性能和稳定性。本专利技术提出的Web服务组合的参数自适应小生境差分进化方法，包括如下步骤：（1）建立Web服务组合优化整体模型：把用户需求分解为各个子服务，依据Web服务组合的评价模型，将资源库中对应的各个子服务的QoS，转化为体验质量（QualityofExperience，QoE），依此求出适应度函数，对Web子服务的组合进行优化，将优化的服务提供给用户，该适应度函数为：（2）设置控制参数：种群规模NP、缩放因子F、变异因子CR、最大迭代次数Gmax、种群代数t=0、小生境半径R、迭代次数Num、划分子种群个数N；（4）对种群中所有个体进行适应度值评估，然后将初始化种群划分为N个子种群，保持每个子种群中的个体数量相同，计算N种子种群中所有个体的适应度函数值，求出没个子种群中的最优个体；划分种群的方法可以是随机划分；（5）对种群进行RCS小生境淘汰策略；具体步骤如下：（5-3）：重新在子种群中寻找最优个体，转向步骤（5-1）；（6）判断进化代数t是否是Num（进行小生境淘汰的迭代次数）的整数倍，若t是Num的整数倍，对最差小生境种群重新初始化，然后转向步骤7；若t不是Num整数倍，直接转向步骤（7）；（7）利用下式对每个子种群个体独立进行变异操作；（8）利用下式对每个子种群个体独立进行交叉操作；（11）利用下式计算下一代种群每个个体对应的F和CR，转向步骤（4）；进一步地，该算法在迭代过程中引入小生境淘汰策略，种群划分为若干子种群，并设置小生境半径，逐一比较各个子种群中最优秀的个体，对优秀个体之间小于小生境半径的个体进行重置，让所有子种群的个体在各自的环境中进化迭代，增强种群的多样性，防止算法陷入局部最优。进一步地，在标准差分进化算法基础之上加入小生境淘汰策略，让种群中的个体在各自的环境中进化，保证算法迭代过程中种群的多样性，避免在算法迭代后期，适应度高的个体充满整个种群。进一步地，在该算法的迭代过程中动态地调节缩放因子CR和交叉率F，当子代种群的平均适应度值大于上一代种群平均适应度值，表明种群进化方向种群，保留原始的CR和F；否则，进化方向出现错误，及时调节CR和F。进一步地，判断该算法是否达到一定的迭代次数，若达到，则对最差小生境种群重新初始化。进一步地，所述的QoE评价指标，是由QoS参数经过模糊专家系统得到，模糊专家系统包括所选QoS参数的模糊集与设定的决策表。有益效果：本专利技术通过参数自适应小生境差分进化算法，能够实现：（1）利用小生境让种群中的个体在各自的环境中进化，保证算法迭代过程中种群的多样性，防止算法陷入局部最优。（2）根据种群的进化情况动态的调节F和CR，加快算法的收敛速度和搜索效率，同时提高了算法在迭代过程中的稳定性。（3）能够适应不同规模下的Web服务组合问题，具有较强的鲁棒性。附图说明图1为本专利技术Web服务组合优化方法整体框图。图2为本专利技术参数自适应小生境差分进化算法整体框架流程图。图3为本专利技术串联的Web服务组合模型。具体实施方式下面结合说明书附图对本专利技术的技术方案做进一步的详细说明。本专利技术提出了一种基于模糊系统和参数自适应小生境差分进化方法的Web服务组合优化方法，该方法模型如图1所示。下面详细介绍方法的实施细节过程，如附图1、附图2和附图3所示。1.建立Web服务组合优化整体模型，如附图1所示，把用户需求分解为各个子服务，依据Web服务组合的评价模型，将资源库中对应的各个子服务的QoS，转化为体验质量（QualityofExperience，QoE），依此求出适应度函数，对Web子服务的组合进行优化，将优化的服务提供给用户。优化方法的服务组合模型，如附图2所示，适应度函数为：本专利中的参数自适应小生境差分进化算法框架流程如附图3。2.初始化参数，设置算法控制参数。种群规模NP；缩放因子F；变异因子CR；最大迭代次数Gmax；种群代数t=0；小生境半径R；迭代次数Num；划分子种群个数N；4．对种群中所有个体进行适应度值评估，然后将初始化种群划分为N个子种群，保持每个子种群中的个体数量相同，计算N种子种群中所有个体的适应度函数值，求出没个子种群中的最优个体；划分种群的方法可以是随机划分。5．对种群进行RCS小生境淘汰策略；具体步骤如下：Step5-3：重新在子种群中寻找最优个体，转向Step5-1。6．判断进化代数t是否是Num（进行小生境淘汰的迭代次数）的整数倍，若t是Num的整数倍，对最差小生境种群重新初始化，然后转向步骤7；若t不是Num整数倍，直接转向步骤7。7．对每个子种群个体独立进行变异操作。8．对每个子种群个体独立进行交叉操作。11．根据下式计算下一代种群每个个体对应的F和CR，转向步骤4。以上所述仅为本专利技术的较佳实施方式，本专利技术的保护范围并不以上述实施方式为限，但凡本领域普通技术人员根据本专利技术所揭示内容所作的等效修饰或变化，皆应纳入权利要求书中记载的保护范围内。本文档来自技高网...

【技术保护点】
1.Web服务组合的参数自适应小生境差分进化方法，其特征在于：包括如下步骤：（1）建立Web服务组合优化整体模型：把用户需求分解为各个子服务，依据Web服务组合的评价模型，将资源库中对应的各个子服务的QoS，转化为体验质量（Quality of Experience，QoE），依此求出适应度函数，对Web子服务的组合进行优化，将优化的服务提供给用户，该适应度函数为：

【技术特征摘要】
1.Web服务组合的参数自适应小生境差分进化方法，其特征在于：包括如下步骤：（1）建立Web服务组合优化整体模型：把用户需求分解为各个子服务，依据Web服务组合的评价模型，将资源库中对应的各个子服务的QoS，转化为体验质量（QualityofExperience，QoE），依此求出适应度函数，对Web子服务的组合进行优化，将优化的服务提供给用户，该适应度函数为：（2）设置控制参数：种群规模NP、缩放因子F、变异因子CR、最大迭代次数Gmax、种群代数t=0、小生境半径R、迭代次数Num、划分子种群个数N；（3）初始化初始种群：随机初始化种群为；（4）对种群中所有个体进行适应度值评估，然后将初始化种群划分为N个子种群，保持每个子种群中的个体数量相同，计算N种子种群中所有个体的适应度函数值，求出没个子种群中的最优个体；划分种群的方法可以是随机划分；（5）对种群进行RCS小生境淘汰策略；具体步骤如下：（5-1）：；（5-2）：令，判断如果，保留适应度值较高的个体，重新适应度值较低的个体，如果，则保留和；其中R表示小生境半径；（5-3）：重新在子种群中寻找最优个体，转向步骤（5-1）；（6）判断进化代数t是否是Num（进行小生境淘汰的迭代次数）的整数倍，若t是Num的整数倍，对最差小生境种群重新初始化，然后转向步骤7；若t不是Num整数倍，直接转向步骤（7）；（7）利用下式对每个子种群个体独立进行变异操作；（8）利用下式对每个子种群个体独立进行交叉操作；（9）利用下式对每个子种群个体独立进行选择操作，；（10）判断是否满足算法终止条件，求出本次迭代得到的新种群中的最优个体和对应的适应度函数值，判断达到最大迭代次数或是否满足误差要求，若不满足终止条件，转向步骤11；若满足终止条件，转向步骤（12）；（11）利用下式计算下一代种群每个个体对应的F和CR，转向步...

【专利技术属性】
技术研发人员：周井泉，李强，张严凯，许杰，
申请(专利权)人：南京邮电大学，南京邮电大学南通研究院有限公司，
类型：发明
国别省市：江苏,32