【技术实现步骤摘要】
一种基于麻雀算法的Web服务组合优化方法
[0001]本专利技术公开了一种基于麻雀算法的Web服务组合优化方法，属于Web服务组合
技术介绍
[0002]互联网技术的不断革新使得基于互联网的应用开发中存在了大量的Web服务，Web服务组合的主要目的就是把一定数量功能简单的Web服务，按照某种逻辑组织起来，从而形成一个新的增值Web服务，相比传统按需开发的模式，这无疑减少了成本，提高了资源利用率和效率。Web服务组合问题解的数量是指数级的，这使得寻找最优解的问题成为一个NP难题。
[0003]目前，主流的算法是智能优化算法，蚁群算法是智能优化算法中的一种，该算法引入正反馈机制，具有较强的鲁棒性、优良的分布式计算机制等优点，但是由于蚂蚁在已探索的路径上积累了大量的信息素，降低了对其他路径的探索机会，搜索过程易陷入局部最优，飞行蚁群算法改善了这一问题，但由于每次迭代都要计算相邻节点，耗费了大量的时间，例如专利CN202210815350公开了一种基于动态飞行蚁群算法的Web服务组合优化方法，将飞行蚂蚁调整为动态限...
【技术保护点】
【技术特征摘要】
1.一种基于麻雀算法的Web服务组合优化方法，其特征在于，所述方法包括如下步骤：从n种抽象服务中选出m个具体候选服务来组成Web服务组合，以服务质量QoS为评价指标建立Web服务组合的适应度函数；将每个Web服务组合映射成每个麻雀个体的位置；使用Logistic混沌映射产生麻雀个体的初始位置，获得麻雀种群；将所述麻雀种群中的麻雀个体分为发现者、追随者和预警者；将Web服务组合模型中构建的适应度函数作为目标函数，通过麻雀算法求目标函数的全局最优值；对麻雀种群中发现者的位置、追随者的位置以及预警者的位置进行更新迭代，直至达到最大迭代次数输出最终麻雀种群中适应度值最优的麻雀个体位置；将适应度值最优的麻雀个体位置复原成所需Web服务组合。2.根据权利要求1所述的基于麻雀算法的Web服务组合优化方法，其特征在于，通过麻雀算法求目标函数的全局最优值的方法包括：对初始麻雀种群中发现者的位置、追随者的位置以及预警者的位置进行更新，计算每只麻雀个体对应的适应度值并排序，获得经排序后的麻雀种群中具有最优适应度的麻雀个体位置计算自适应选择概率P
t
，判断扰动条件：根据自适应选择概率P
t
选择差分变异策略或柯西扰动策略，对更新后的麻雀种群中具有最优适应度的麻雀个体位置添加变异扰动，产生新的麻雀个体位置比较经变异扰动后的麻雀个体位置和麻雀个体位置的适应度值，对麻雀种群中具有最优适应度的麻雀个体位置进行更新；重复迭代直至达到最大迭代次数输出最终麻雀种群中适应度值最优的麻雀个体位置。3.根据权利要求1所述的基于麻雀算法的Web服务组合优化方法，其特征在于，将所述麻雀种群中麻雀个体分为发现者、追随者和预警者的方法包括：计算麻雀种群中每只麻雀个体的适应度函数值并降序排序，根据适应度函数值排序由前向后选取设定数量的麻雀个体作为发现者，将麻雀种群除发现者以外的麻雀个体作为追随者；从麻雀种群随机选取设定数量的麻雀个体作为预警者。4.根据权利要求1所述的基于麻雀算法的Web服务组合优化方法，其特征在于，所述Logistic混沌映射的计算公式为：Y
i+1
＝μY
i
(1
‑
Y
i
)式中，Y
i
∈[0,1]为混沌序列，μ为控制参数，μ∈[3.85,4]；Ub
d
为麻雀个体在d维的上限制范围，Lb
d
为麻雀个体在d维的下限制范围；X
i
＝{x
i,1
，x
i,2
，
…
x
i,d
，
…
，x
i,D
}；X
i
表示为经Logistic混沌映射后产生的第i个麻雀个体的初始位置。5.根据权利要求2所述的基于麻雀算法的Web服务组合优化方法，其特征在于，对麻雀种群中发现者的位置进行更新的方法包括：
ω＝(f
best
‑
f
worst
)
·
cos(πt/T
max
+ω
max
)(ω
max
‑
ω
min
)/2+1式中，r2表示为在[0，π]范围内的随机数；α1，α2为使用黄金分割系数而设定的参数；表示为第t次迭代中第i个麻雀个体的第j维度的位置；表...
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。