一种基于反向学习的混沌蜂群Web服务组合优化方法技术

本发明专利技术公开了一种基于反向学习的混沌蜂群Web服务组合优化方法，包括，将一个完整的Web服务抽象为一个n个任务数*m个服务数的服务请求；建立Web服务组合模型，并以体验质量QoE为评价指标建立Web服务组合模型的适应度函数F

【技术实现步骤摘要】
一种基于反向学习的混沌蜂群Web服务组合优化方法


[0001]本专利技术涉及Web服务组合的
，尤其涉及一种基于反向学习的混沌蜂群Web服务组合优化方法。

技术介绍

[0002]如今，信息技术发展对于web服务的进步至关重要，也将web服务带到我们生活的各个角落。但由于用户的复杂需求进行了变化，几乎不可能通过单个(基本)Web服务来满足用户的要求。因此，我们需要一组以适当的顺序集成的基本服务，以便满足用户的请求，即为web服务组合。
[0003]由于web服务组合问题的复杂性随着抽象服务的数量和基本服务的增加而增加，因此通过应用单一精确的方法，在多项式时间内找到问题的解决是不可行的。在这方面，没有特定的元启发式算法，对所有类型的优化问题产生理想的结果。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于反向学习的混沌蜂群Web服务组合优化方法，其特征在于：包括，将一个完整的Web服务抽象为一个n个任务数*m个服务数的服务请求；建立Web服务组合模型，并以体验质量QoE为评价指标建立Web服务组合模型的适应度函数F
fitness
(QoE
best
)；将所述适应度函数F
fitness
(QoE
best
)作为基于反向学习的混沌蜂群策略的目标函数，求其全局最优值；利用基于反向学习的混沌蜂群策略对Web服务组合进行优化。2.如权利要求1所述的基于反向学习的混沌蜂群Web服务组合优化方法，其特征在于：所述适应度函数F
fitness
(QoE
best
)包括，将子任务的候选服务的可靠性、可用性和响应时间输入至模糊专家系统，获得所述体验质量QoE；进而得到对应于Web服务组合模型的适应度函数F
fitness
(QoE
best
)的值；其中，所述适应度函数F
fitness
(QoE
best
)的计算公式为：式中，n为子服务的数量；QoE
i
表示第i个子服务体验质量。3.如权利要求1所述的基于反向学习的混沌蜂群Web服务组合优化方法，其特征在于：所述基于反向学习的混沌蜂群策略包括，设置初始化参数、随机初始化N只蜜蜂的位置；根据正态分布，自适应选择使用反向学习策略的蜜蜂数并更新蜜蜂解中的组合数；根据更新的组合数，计算N只蜜蜂的适应度，并更新全局最优值；在雇佣蜂阶段，更新每只蜜蜂的解，并计算每只蜜蜂的适应度，利用贪心策略保留最优解；第一次迭代进入观察蜂阶段时，计算前a％的适应度的极差，更新正态分布的参数；按大小将所述适应度进行排序，并对适应度前a％的蜜蜂解进行更新，其余的蜜蜂解向当前全局适应度最高的方向更新；计算每只蜜蜂的适应度，并更新最优解；判断是否存在超过最大不更新次数限制不更新的蜜蜂；若存在，则利用反向学习策略更新蜜蜂解，并重新计算蜜蜂的适应度；若不存在，则检查是否满足终止条件，若满足则输出最优值，否则，则继续根据所述正态分布，自适应选择使用反向学习策略的蜜蜂数并更新蜜蜂解中的组合数。4.如权利要求3所述的基于反向学习的混沌蜂群Web服务组合优化方法，其特征在于：所述初始化参数包括，设置普通蜂群种群数量为N，最大迭代次数为MCN，最大不更新次数限制为limit；设置观察蜂适应度前a％的个数，设置默认的正态分布的平均值为μ和方差为σ^2；设置Web服务集：其中，为第n个子任务选择第j
n
个选择。5.如权利要求4所述的基于...

【专利技术属性】
技术研发人员：周井泉，张俊，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：