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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。