基于IFPA算法的Web服务组合方法技术

本发明专利技术公开了基于IFPA算法的Web服务组合方法，该算法将FPA算法和DE算法进行混合，将DE算法的变异和交换操作加入FPA算法的寻优过程。该算法保留了FPA算法平衡全局搜索和局部搜索的特性，同时继承了DE算法较好的寻优能力，最后借助贪心策略提升算法的收敛速度，提升服务组合问题的求解速度和精度。本发明专利技术在服务组合问题上具有更快的收敛性能和更好的寻优能力，从而能够从大量的Web候选服务中选择最合适的源自服务进行组合重用，提高组合服务的适用性和有效性。有一定的实际意义。

Web service composition method based on IFPA algorithm

【技术实现步骤摘要】
基于IFPA算法的Web服务组合方法
本专利技术涉及人工智能
，具体是基于IFPA算法的Web服务组合方法。
技术介绍
随着面向服务计算和面向服务体系架构的不断推广和应用，促进了Web服务的繁荣发展。Web服务具有完全开放、松散耦合、标准协议和高度可集成等特征，Web服务技术基于开放的可扩展标记语言定义的服务，能够克服平台依赖，重用组合服务来节省资源和时间，创新服务，满足用户需求变更。随着大数据时代的到来，Web服务的数量剧增，涌现出很多功能相同，但非功能属性，即服务质量(QualityofServices，QoS)不同的服务。如何在不同QoS的候选服务集合已知的情况下，高效率实现服务选择和服务组合，使得组合服务能够满足客户的功能和非功能需求，这是一个典型的NP难题。针对基于QoS感知的Web服务组合问题，国内外学者提出了各种智能优化算法处理Web服务组合问题，获得最佳服务组合。其中包括遗传算法、粒子群算法、花朵授粉算法和差分进化算法等等，这些智能优化算法通过迭代更新、添加变异算子、追踪历史信息等方式实现Web服务组合的全局优化。这些智能算法通常都是受人类智能、生物群体社会性或自然现象规律启发而来。其中，遗传算法(GeneticAlgorithm，GA)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法通过复制、交叉、变异将问题解编码表示的“染色体”群一代代不断进化，最终收敛到最适应的群体，从而求得问题的最优解或满意解。其优点是原理和操作简单、通用性强、不受限制条件的约束，且具有隐含并行性和全局解搜索能力，在组合优化问题中得到广泛应用。花朵授粉算法(FlowerPollinationAlgorithm，FPA)是对自然界花朵自花授粉、异花授粉的模拟，是一种新的元启发式群智能随机优化技术。通过转换概率，实现局部搜索和全局搜索的动态转换，平衡两者之间的关系。差分进化算法(DifferentialEvolution，DE)是通过群体内个体之间的相互合作与竞争产生的群体智能来指导优化搜索的方向。DE算法从一个随机产生的初始种群开始，通过把种群中任意两个个体的向量差与第三个个体求和来产生新个体，然后将新个体与当代种群中相应的个体相比较，如果新个体的适应度优于当前个体的适应度，则在下一代中就用新个体取代旧个体，否则仍保存旧个体。通过不断地进化，保留优良个体，淘汰劣质个体，引导搜索向最优解逼近。以上三种智能算法具有良好的全局寻优能力，而且实现简单。但随着服务数量增多，这些算法的寻优性能就明显减弱，而且在一定时间内不能保证算法的收敛性，而且各个算法的寻优精度也明显下降，容易陷入局部最优，基本无法满足大规模的服务组合。现有的大多数智能算法在解决Web服务组合优化问题仍然存在一些不足，不能在保证寻优能力的同时保证算法的收敛速度。在本专利技术中，IFPA将FPA和DE算法相混合，并用贪心策略提升算法收敛速度，与其他传统算法相比，具有更快的收敛速度和更好的寻优能力。
技术实现思路
本专利技术提供一种基于IFPA算法的Web服务组合方法，该方法在花朵授粉算法的基础上，通过DE算法的变异、交叉方式来保持种群的多样性，采取贪心策略择优选择方式来加快收敛，提升服务组合优化问题的求解速度和精度，提高服务组合的性能。如图1所示，本专利技术公开的基于IFPA算法的Web服务组合方法，包括以下步骤：步骤1)初始化相关参数，初始化种群规模、最大迭代次数、转换概率、最小收缩因子以及交叉概率；初始化种群，并根据适应度函数计算当前种群适应度值，记录全局最优值和其相对应的最优解；步骤2)使用花朵授粉算法FPA的进化机制，生成随机数，依照转换概率进行全局搜索和局部搜索，得到新的花朵(新的解)，并进行越界处理；步骤3)计算步骤2)新生成的花朵适应度值，并与原花朵个体比较适应度值大小，若新的个体适应度值更好，则用新个体替换旧个体，得到新种群Pop_1，同时记录整个种群的最优值和最优解，最终得到新种群；步骤4)借助差分进化算法DE的变异算子对更新种群，并对变异后的种群Pop_2进行越界处理；步骤5)将种群Pop_1的种群和变异后的种群Pop_2进行交叉操作，得到新种群Pop_3，并计算交叉后的种群Pop_3中每个个体的适应度值；步骤6)按贪心策略从种群Pop_1和交叉后的种群Pop_3中选取适应度较好的花朵个体，组成新一代种群Pop_new，并更新全局最优值和最优解；步骤7)判断结束条件，若满足，退出并输出最优值和对应的最优解，否则转步骤2)。本专利技术的有益效果是：针对基于传统算法的Web服务组合优化存在收敛速度慢、易陷入局部最优等问题，本专利技术将FPA和DE算法融合，借助FPA算法的全局寻优能力和DE算法的变异和交叉方式，能够有效增加种群的多样性，能够有效避免陷入局部最优的问题，并在算法迭代的过程借助贪心策略提升了IFPA算法的收敛速度。实验证明该方法在寻优能力和收敛速度上均高于传统智能优化算法。附图说明图1为本专利技术基于IFPA算法的Web服务组合方法流程图。图2为本专利技术基于IFPA算法的Web服务组合方法的编码方式示意图。图3为交叉操作示意图。具体实施方式下面结合附图，对本专利技术提出的一种基于IFPA算法的Web服务组合方法进行详细说明。如图1所示，本专利技术中提出的基于IFPA算法的Web服务组合方法，包括以下步骤：步骤1)获取各个Web服务的QoS属性值数据，并对数据进行标准化(归一化)操作；同时初始化种群规模N、最大迭代次数Tmax、转换概率p、最小收缩因子F以及交叉概率CR；初始化种群，并根据适应度函数计算当前种群适应度值，记录全局最优值和其相对应的最优解；在服务组合领域，可将需求抽象为n种功能不同的子任务。在执行每个子任务时，可从包含m个相关服务的候选服务集合中选择一个服务来完成所对应的子任务。改进的花朵授粉算法采用整数离散型编码方式。如图2所示，一组整数S＝(s1，s2，...，sn)表示服务组合的一个解决方案(即一个花粉或花朵)，将寻找最优组合服务问题转化为向量S求最优解问题，其中n为任务数(即优化问题的维数)，每个整数si都代表其所在任务候选服务集中的序号。计算每个花粉S的适应度值，对该花粉所对应的服务组合方案进行评估，判断组合服务的优劣。为了能够准确模拟真实服务特性，选取可靠性(rel)、可用性(ava)两种效益型属性和响应时间(rtm)、价格(cos)两种成本型属性来描述服务质量。针对Web服务不同的QoS属性，其衡量方式是不同的，因此，在计算组合服务的适应度之前，必须将QoS属性值进行预处理，将QoS进行归一化操作，公式如下：其中，表示第i个任务的第j个候选服务的第k个QoS属性值，代表了完成第i个任务候选服务的第k个QoS属性值，max、min函数分别是取其中的最大、最小值。不同服务的QoS属性本文档来自技高网...

【技术保护点】
1.基于IFPA算法的Web服务组合方法，其特征在于，包括以下步骤：/n步骤1)初始化相关参数，初始化种群规模、最大迭代次数、转换概率、最小收缩因子以及交叉概率；初始化种群，并根据适应度函数计算当前种群适应度值，记录全局最优值和其相对应的最优解；/n步骤2)使用花朵授粉算法FPA的进化机制，生成随机数，依照转换概率进行全局搜索和局部搜索，得到新的花朵(新的解)，并进行越界处理；/n步骤3)计算步骤2)新生成的花朵适应度值，并与原花朵个体比较适应度值大小，若新的个体适应度值更好，则用新个体替换旧个体，得到新种群Pop_1，同时记录整个种群的最优值和最优解，最终得到新种群；/n步骤4)借助差分进化算法DE的变异算子对更新种群，并对变异后的种群Pop_2进行越界处理；/n步骤5)将种群Pop_1的种群和变异后的种群Pop_2进行交换操作，得到新种群Pop_3，并计算交换后的种群Pop_3中每个个体的适应度值；/n步骤6)按贪心策略从种群Pop_1和交换后的种群Pop_3中选取适应度较好的花朵个体，组成新一代种群Pop_new，并更新全局最优值和最优解；/n步骤7)判断结束条件，若满足，退出并输出最优值和对应的最优解，否则转步骤2)。/n...

【技术特征摘要】
1.基于IFPA算法的Web服务组合方法，其特征在于，包括以下步骤：
步骤1)初始化相关参数，初始化种群规模、最大迭代次数、转换概率、最小收缩因子以及交叉概率；初始化种群，并根据适应度函数计算当前种群适应度值，记录全局最优值和其相对应的最优解；
步骤2)使用花朵授粉算法FPA的进化机制，生成随机数，依照转换概率进行全局搜索和局部搜索，得到新的花朵(新的解)，并进行越界处理；
步骤3)计算步骤2)新生成的花朵适应度值，并与原花朵个体比较适应度值大小，若新的个体适应度值更好，则用新个体替换旧个体，得到新种群Pop_1，同时记录整个种群的最优值和最优解，最终得到新种群；
步骤4)借助差分进化算法DE的变异算子对更新种群，并对变异后的种群Pop_2进行越界处理；
步骤5)将种群Pop_1的种群和变异后的种群Pop_2进行交换操作，得到新种群Pop_3，并计算交换后的种群Pop_3中每个个体的适应度值；
步骤6)按贪心策略从种群Pop_1和交换后的种群Pop_3中选取适应度较好的花朵个体，组成新一代种群Pop_new，并更新全局最优值和最优解；
步骤7)判断结束条件，若满足，退出并输出最优值和对应的最优解，否则转步骤2)。


2.根据权利要求1所述的基于IFPA算法的Web服务组合方法，其特征在于：所述步骤1)中，跟传统群体智能优化算法一样，本发明提出的算法仍需要根据实验来确定转换概率、收缩因子以及交叉概率。


3.根据权利要求1所述的基于IFPA算法的Web服务组合方法，其...

【专利技术属性】
技术研发人员：吴嘉凯，谭文安，王慧，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32