一种用于服务组合全局优化的自适应布谷鸟搜索方法技术

本发明专利技术公开了一种用于服务组合全局优化的自适应布谷鸟搜索方法，具体为在执行服务组合工作流时，利用布谷鸟搜索算法并提出了三种不同的搜索空间搜索策略，分别是随机长距离搜索、随机短距离搜索和随机中等距离搜索，其中，随机中等距离搜索策略引入调节变化幅度的比例系数和交叉率，对该搜索策略进行自适应调整，随机短距离搜索策略，引入代表步长的比例系数和稳定系数，对该搜索策略进行自适应调整，此外，依据临界概率，精英概率和平衡概率来控制搜索策略的启动，最终实现了服务组合问题的最优组合方案。本发明专利技术控制参数的自适应提高了算法的准确度，通过精英概率降低了陷入局部最优状态的风险。

【技术实现步骤摘要】
一种用于服务组合全局优化的自适应布谷鸟搜索方法
本专利技术涉及一种用于服务组合全局优化的自适应布谷鸟搜索方法，属于服务组合的服务质量优化

技术介绍
随着云计算、软件服务、大数据和互联网的普及，越来越多的网络服务将在互联网上获得。但是有大量服务可以完成相同的任务,这些服务都具有不同的QoS值(如价格、响应时间、可用性和可靠性)。如何找到一个优化的组合方案已成为一项重要挑战。为每个任务提供大量候选服务将增加服务组合的复杂性，导致在搜索全局最优解决方案时较低的效率与精度。因此，优化服务组合中的搜索算法已成为服务组合领域的一个重要挑战。目前，在理论和实践中自然启发算法被应用于解决最难的优化问题。这些算法的主要优点是利用“试错法”原理来寻找解决方案。因此，通过适当的适应度函数的测试后，可以利用各种变异算子和它们的质量来生成可能的解。有两个灵感来源对自然启发式算法的发展有着至关重要的影响。也就是达尔文的进化论，以及具有社会行为的动物(如成群的鸟和鱼群)和昆虫(如蜜蜂和蚁群)。前者的灵感影响了进化算法的发展，后者影响了基于群体智能(SI)的算法的发展。通常情况下，受自然启发的算法是随机的，并且维持了一部分解决方案群体，这些群体在繁衍几代后里都提高了它们的质量。新的解决方案是通过应用适当的变异算子，如交叉、变换和移动产生的。前两个是使用进化算法，后一个是基于群体智能的算法。通常，进化算法适合于解决没有用户体验和无针对性的问题。因此，这些算法几乎应用于优化、仿真和建模的各个领域。根据解的表示，进化算法可分为以下类型:遗传算法、遗传规划、进化策略和差分进化，和进化规划。Beni和Wang首次将群体智能的概念应用于细胞机器人的开发。如今，这些算法被应用于优化、机器人控制、新一代移动网络路由等需要鲁棒性和灵活性的领域。目前越来越多的基于群体智能的算法有:蚁群优化、粒子群优化、人工蜂群、人工免疫系统、萤火虫算法、共生生物搜索。布谷鸟搜索算法属于基于群体智能的随机群体类算法。它是由Yang和Deb开发的，灵感来自于一些布谷鸟在其他鸟类的巢穴中产卵的寄生方式。在布谷鸟搜索算法中，每一个巢的位置都代表了要解决的问题的解决方案。每一代中一个特定的巢穴的命运可以有两种：一个拥有高质量卵的鸟巢将被保存到下一代，而拥有低质量卵的鸟巢将被抛弃，取而代之的是一个全新的巢穴。自2009年布谷鸟搜索被引入以来，很多布谷鸟搜索变体被提出。在引入基本布谷鸟搜索后不久，Yang和Deb将基本布谷鸟搜索算法扩展为多目标布谷鸟搜索算法，用于解决设计优化问题。沃尔顿等人开发了一种改进的布谷鸟搜索，他们在上面提到的卵之间添加了信息交换。另一方面，许多二进制布谷鸟搜索变体也被提出。整合适应布谷鸟搜索算法也可能成为进一步发展的热门话题。简单地说，布谷鸟搜索在工程、现实世界、能源管理、金融工业等领域的应用非常广泛。Gandomi等人对桁架结构进行了设计优化。另外，Fateen和Bonilla-Petriciolet也在化学领域内应用了布谷鸟搜索算法，Vazquez使用布谷鸟搜索算法训练spiking神经模型。Galvezetal等人应用布谷鸟搜索算法进行加权贝叶斯能量泛函优化。基于群体的随机算法足够普遍，适合于解决人类今天面临的所有问题。不幸的是，与根据无免费午餐定理解决所有类别的问题相比，这些算法的性能是相同的。然而，一般基于随机群体算法的性能通常可以通过两种方法得到提高。一方面，不同的算法参数设置对这些算法的性能有着至关重要的影响。也就是说，当搜索过程进入成熟阶段时，最开始用于搜索过程的参数是不合适的，反之亦然。因此，在运行期间应该调整参数。在这种情况下，适应和自适应理论已经在计算智能社区被提出。适应意味着参数根据搜索过程的反馈而改变，而控制参数被保存为解决方案的表示形式，并通过自适应的方式进行变化操作。另一方面，基于群体的随机算法缺乏针对性问题的知识，这些知识通常是由所谓的混合算法以策略/特征、算子、构造和局部搜索启发式的形式进行的。
技术实现思路
本专利技术所要解决的技术问题是克服现有技术的缺陷，提供一种用于服务组合全局优化的自适应布谷鸟搜索方法，通过新增三个特性扩展了原始布谷鸟算法，平衡了布谷鸟搜索范围内的搜索策略，通过新增自适应控制参数以及提出线性群体降低的方法，有效的提高了搜索效率和精度，使全局Web服务组合满足所有QoS优化目标。为达到上述目的，本专利技术采用的技术方案如下：一种用于服务组合全局优化的自适应布谷鸟搜索方法，包括以下步骤：(1)当执行服务组合工作流时，在选择候选服务的每一步时都要考虑到其多目标的属性，首先生成区间在[0,1]之间的由均匀分布产生的随机数rand(0,1)；(2)如果rand(0,1)的值小于布谷鸟原始算法中设置的临界概率pa，说明当前解为劣质解，直接抛弃；然后执行随机长距离搜索策略求解；如果rand(0,1)的值小于精英概率pe，则转入步骤(3)；如果rand(0,1)的值小于等于平衡概率pb，则转入步骤(4)；如果rand(0,1)的值大于平衡概率pb，则转入步骤(5)；所述精英概率pe表示随机选择解的概率，即从群体中捕获了全局最优解的百分比；(3)计算获取toppe的最优解；然后转入步骤(6)；(4)引入调节变化幅度的比例系数和交叉率，执行随机中等距离搜索策略，利用差分进化变换策略，计算当前解，并对调节变化幅度的比例系数和交叉率进行自适应调整；然后转入步骤(6)；(5)引入代表步长的比例系数和稳定系数，执行随机短距离搜索策略，计算当前解，并对代表步长的比例系数和稳定系数进行自适应调整，利用局部随机游走改进当前的方案，并指导搜索过程利用已经发现的解决方案的邻域，然后转入步骤(6)；(6)对产生的当前解进行评估，若当前解大于最优解，抛弃该劣质解，继续迭代计算；若当前解小于最优解，则保存当前解为最优解，然后转入步骤(7)；(7)根据本轮循环中确定的最优解，确定是否满足最初设定的终止条件，不满足则返回步骤(1)继续循环迭代，直至得到满足终止条件的最优解；每轮循环过程中群体大小通过线性群体减少特性方程进行修正，以确定下一次的群体大小，最终得到服务组合问题的最优组合方案。前述的临界概率在区间0.05≤pa≤0.2内取值，所述精英概率在区间范围[0.05,0.2]内取值，所述平衡概率在区间0.5≤pb≤1.0内取值。前述的临界概率pa取值为0.1，所述精英概率pe取值为0.1，所述平衡概率pb取值为0.8。前述的步骤(2)中，所述随机长距离搜索策略为：其中，代表j维度下第i个布谷鸟巢位于解空间中的位置，下标i代表特定群体中第i个布谷鸟巢，下标j代表当前问题的维度，t代表第t代的后代数量，t+1代表第t+1代的后代数量，Lbj和Ubj分别代表当前问题维度的下限和上限，Uj(0,1)是一个来自区间[0,1]均匀分布得出的随机数，即rand(0,1)。前述的步骤(3)中，根据下式获取toppe的最优解：其中，为中维度j分别取值1…D的情况，代表j维度下第i个解位于解空间中的位置，D表示当前问题的维度，分别代表在解空间中第i个解的第t代的代表步长的比例系数、稳定系数、调节变化幅度的比例系数及交叉率，NP为群体大小，前述的各自适应参数本文档来自技高网...

【技术保护点】
1.一种用于服务组合全局优化的自适应布谷鸟搜索方法，其特征在于，包括以下步骤：(1)当执行服务组合工作流时，在选择候选服务的每一步时都要考虑到其多目标的属性，首先生成区间在[0,1]之间的由均匀分布产生的随机数rand(0,1)；(2)如果rand(0,1)的值小于布谷鸟原始算法中设置的临界概率pa，说明当前解为劣质解，直接抛弃；然后执行随机长距离搜索策略求解；如果rand(0,1)的值小于精英概率pe，则转入步骤(3)；如果rand(0,1)的值小于等于平衡概率pb，则转入步骤(4)；如果rand(0,1)的值大于平衡概率pb，则转入步骤(5)；所述精英概率pe表示随机选择解的概率，即从群体中捕获了全局最优解的百分比；(3)计算获取前pe的最优解；然后转入步骤(6)；(4)引入调节变化幅度的比例系数和交叉率，执行随机中等距离搜索策略，利用差分进化变换策略，计算当前解，并对调节变化幅度的比例系数和交叉率进行自适应调整；然后转入步骤(6)；(5)引入代表步长的比例系数和稳定系数，执行随机短距离搜索策略，计算当前解，并对代表步长的比例系数和稳定系数进行自适应调整，利用局部随机游走改进当前的方案，并指导搜索过程利用已经发现的解决方案的邻域，然后转入步骤(6)；(6)对产生的当前解进行评估，若当前解大于最优解，抛弃该劣质解，继续迭代计算；若当前解小于最优解，则保存当前解为最优解，然后转入步骤(7)；(7)根据本轮循环中确定的最优解，确定是否满足最初设定的终止条件，不满足则返回步骤(1)继续循环迭代，直至得到满足终止条件的最优解；每轮循环过程中群体大小通过线性群体减少特性方程进行修正，以确定下一次的群体大小，最终得到服务组合问题的最优组合方案。...

【技术特征摘要】
1.一种用于服务组合全局优化的自适应布谷鸟搜索方法，其特征在于，包括以下步骤：(1)当执行服务组合工作流时，在选择候选服务的每一步时都要考虑到其多目标的属性，首先生成区间在[0,1]之间的由均匀分布产生的随机数rand(0,1)；(2)如果rand(0,1)的值小于布谷鸟原始算法中设置的临界概率pa，说明当前解为劣质解，直接抛弃；然后执行随机长距离搜索策略求解；如果rand(0,1)的值小于精英概率pe，则转入步骤(3)；如果rand(0,1)的值小于等于平衡概率pb，则转入步骤(4)；如果rand(0,1)的值大于平衡概率pb，则转入步骤(5)；所述精英概率pe表示随机选择解的概率，即从群体中捕获了全局最优解的百分比；(3)计算获取前pe的最优解；然后转入步骤(6)；(4)引入调节变化幅度的比例系数和交叉率，执行随机中等距离搜索策略，利用差分进化变换策略，计算当前解，并对调节变化幅度的比例系数和交叉率进行自适应调整；然后转入步骤(6)；(5)引入代表步长的比例系数和稳定系数，执行随机短距离搜索策略，计算当前解，并对代表步长的比例系数和稳定系数进行自适应调整，利用局部随机游走改进当前的方案，并指导搜索过程利用已经发现的解决方案的邻域，然后转入步骤(6)；(6)对产生的当前解进行评估，若当前解大于最优解，抛弃该劣质解，继续迭代计算；若当前解小于最优解，则保存当前解为最优解，然后转入步骤(7)；(7)根据本轮循环中确定的最优解，确定是否满足最初设定的终止条件，不满足则返回步骤(1)继续循环迭代，直至得到满足终止条件的最优解；每轮循环过程中群体大小通过线性群体减少特性方程进行修正，以确定下一次的群体大小，最终得到服务组合问题的最优组合方案。2.根据权利要求1所述的一种用于服务组合全局优化的自适应布谷鸟搜索方法，其特征在于，所述临界概率在区间0.05≤pa≤0.2内取值，所述精英概率在区间范围[0.05,0.2]内取值，所述平衡概率在区间0.5≤pb≤1.0内取值。3.根据权利要求2所述的一种用于服务组合全局优化的自适应布谷鸟搜索方法，其特征在于，所述临界概率pa取值为0.1，所述精英概率pe取值为0.1，所述平衡概率pb取值为0.8。4.根据权利要求1所述的一种用于服务组合全局优化的自适应布谷鸟搜索方法，其特征在于，所述步骤(2)中，所述随机长距离搜索策略为：其中，代表j维度下第i个布谷鸟巢位于解空间中的位置，下标i代表特定群体中第i个布谷鸟巢，下标j代表当前问题的维度，t代表第t代的后代数量，t+1代表第t+1代的后代数量，Lbj和Ubj分别代表当前问题维度的下限和上限，Uj(0,1)是一个来自区间[0,1]均匀分布得出的随机数，即rand(0,1)。5.根据权利要求1所述的一种...

【专利技术属性】
技术研发人员：暴建民，赵斐昊，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32