The invention discloses a collaborative scheduling method and system for web services based on intelligent genetic algorithm, which determines the partial order relationship between services in collaborative services, the number of available resources, execution time and cost, represents the elements of collaborative service scheduling, determines the constraints and constraints of each collaborative service array, and carries out chromosome coding for available resources and collaborative service groups respectively. To determine the execution cost of collaborative service, the total time required for the execution of the whole collaborative service and the quality of service function of the collaborative service array, the objective function is to minimize the execution time of the cost and collaborative service under the premise of guaranteeing the quality of service, and the objective function is solved by using intelligent genetic algorithm to initialize the population. In the selection of initial population, the method of determining the initial interior point to interior correction is used to iterate and select the population. In the selection process of iteration, some low-fitness individuals are retained and the mutation rate is adapted to obtain the target results.
【技术实现步骤摘要】
一种基于智能遗传算法的web服务协同调度方法及系统
本专利技术涉及一种基于智能遗传算法的web服务协同调度方法及系统。
技术介绍
随着Web服务技术的快速发展和普及,企业内部及企业之间的协同服务得到了快速发展及应用,在协同服务执行中需要根据当前可用资源的情况得到高效的调度方案,从而使得协同服务的执行效率及成本满足用户的需求。因此,在协同服务执行过程中就需要基于用户的QoS(QualityofService,服务质量)需求对协同服务进行调度来获取最优化执行方案。对协同服务进行调度来获取最优化执行方案,可以采用蚁群算法、粒子群优化算法、遗传算法等来解决这一类多目标优化问题。但是现有的方法在解决本文所述协同服务调度问题上存在一定的局限性,在解决多目标时序性优化问题上会出现陷于局部最优解、无法解决众多变量的问题等,不适合当前所描述的web服务的协同服务调度问题的解决。基于这些问题,我们提出了基于传统遗传算法进行改进的智能遗传算法来解决web服务的协调调度问题,在种群初始化、种群间交叉、变异率确定等方面进行了改进。
技术实现思路
本专利技术为了解决上述问题,提出了一种基于智能遗传算法的web服务协同调度方法及系统,本专利技术在传统遗传算法的基础上提高了算法的灵活性和多样性,在初始种群选取时采用确定初始内点对内修正的方式,且将迭代中的选择过程优化为基于种群交流的选择方法来实现选择方式。变异环节中变异因子根据个体的基因质量进行自适应的选取,增强种群的多样性。本专利技术的技术方案既可以保持个体的多样性,增大优秀个体的概率,加快收敛速度,又不会导致最终结果趋向局部最优解,在解决 ...
【技术保护点】
1.一种基于智能遗传算法的web服务协同调度方法,其特征是:包括以下步骤:确定协同服务中的服务之间的偏序关系、可用资源数、执行时间和花费,表示协同服务调度的各个元素,确定每个协同服务数组的约束限制条件;对可用资源和协同服务数组分别进行染色体编码;确定协同服务执行成本、整个协同服务执行所需的总时间和协同服务数组的服务质量函数,以协同服务调度目标即是在保证服务质量的前提下,成本并协同服务的执行时间最少为目标,确定目标函数;利用智能遗传算法对目标函数进行求解,对种群进行初始化,在初始种群选取时采用确定初始内点对内修正的方式,进行种群的迭代和选择,在迭代中的选择过程中保留部分低适应度个体并自适应变异率,得到目标结果。
【技术特征摘要】
1.一种基于智能遗传算法的web服务协同调度方法,其特征是:包括以下步骤:确定协同服务中的服务之间的偏序关系、可用资源数、执行时间和花费,表示协同服务调度的各个元素,确定每个协同服务数组的约束限制条件;对可用资源和协同服务数组分别进行染色体编码;确定协同服务执行成本、整个协同服务执行所需的总时间和协同服务数组的服务质量函数,以协同服务调度目标即是在保证服务质量的前提下,成本并协同服务的执行时间最少为目标,确定目标函数;利用智能遗传算法对目标函数进行求解,对种群进行初始化,在初始种群选取时采用确定初始内点对内修正的方式,进行种群的迭代和选择,在迭代中的选择过程中保留部分低适应度个体并自适应变异率,得到目标结果。2.如权利要求1所述的一种基于智能遗传算法的web服务协同调度方法,其特征是:协同服务数组约束条件包括:每个可用资源执行的Web服务数需要小于等于对应可用资源所能执行的最大服务数;每个服务都只由一个可用资源执行;可用资源i执行各服务的服务质量需要高于最低服务质量。3.如权利要求1所述的一种基于智能遗传算法的web服务协同调度方法,其特征是:染色体编码中,首先需要对每个可用资源进行染色体编码,定义N为可用资源的数目,则染色体上每个可用资源所占基因位数C为染色体编码中,对可用资源进行编码后,根据协同服务数组中各个元素的赋值情况对染色体进行编码,定义M为协同服务中web服务的数目,则染色体的长度L为L=M·C=Mlog2N,N为可用资源的数目,C为染色体上每个可用资源所占基因位数。4.如权利要求1所述的一种基于智能遗传算法的web服务协同调度方法,其特征是:协同服务执行的成本为执行每一web服务的花费之和,每个web服务在所有可用资源上执行的成本表示为矩阵Quote,其中Quoteij表示web服务j在可用资源i上执行的成本,定义协同服务数组X中web服务j在可用资源i上执行得到最终的执行协同服务的总成本Cost:其中Xj=i。5.如权利要求1所述的一种基于智能遗传算法的web服务协同调度方法,其特征是:根据协同服务数组X后及协同服务中Web服务之间的偏序关系,以及可用资源执行不同web服务所需时长Tij得最后一个web服务的完成时间Tf,则整个协同服务执行所需的总时间为最后一个web服务的完成时间与第一个web服务的开始执行时间的差值。6.如权利要求1所述的一种基于智能遗传算法的web服务协同调度方法,其特征是:种群初始化过程中,设置初始种群的数量,先根据随机初始点所占百分比,产生随机初始点,对于每一个随机初始点随机产生一定数量的个体,将个体中满足约束条件的个体保留到初始种群;或,对初始点的修正过程为:种群中其余的个体初始化时需要向已产生的个体靠近直到满足约束条件并保留到初始种群中,以此类推直到产生的个体数为设置的种群数量,其中不满足所有约束条件的个体向满足所有约束条件的个体靠近的方法是取两者的中点作为该个体的新值,若仍不满足所有约束条件则再次取两者中点作为自己的新值直到满足...
【专利技术属性】
技术研发人员:郭伟,徐卫霞,葛伟,闫中敏,崔立真,
申请(专利权)人:山东大学,
类型:发明
国别省市:山东,37
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。