一种基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
一种基于NSGA
‑Ⅱ
和SSA的服务组合优化方法


[0001]本专利技术涉及计算机
，尤其涉及一种基于
NSGA
‑Ⅱ
和
SSA
的服务组合优化方法
。

技术介绍

[0002]目前，在面向服务的工业系统设计过程中，用户会根据自己的需要在服务代理中搜索
、
匹配和整合各种工业软件组件服务，以构建所需的工业制造系统
。
通常，满足用户需求的服务组合方案不止一个，还需要优化选择组合模型
。
我们常用服务质量
(Quality of Service
，
QoS)
来衡量服务组合是否满足用户的需求，即从候选的服务组合集中选出具有最优或满意的服务质量的方案
。
[0003]现有技术中，多目标的服务组合优化在获取良好的
QoS
时，缺少良好的局部搜索能力，容易陷入局部最优
。

技术实现思路

[0004]有鉴于此，本专利技术实施例的目的是提供一种基于
NSGA
‑Ⅱ
和
SSA
的服务组合优化方法，获取良好的
QoS
，同时具有良好的局部搜索能力，跳出局部最优
。
[0005]第一方面，本专利技术实施例提供了一种基于
NSGA
‑Ⅱ
和
SSA
的服务组合优化方法，包括：
[0006]获取终端的服务请求，根据所述服务请求生成任务集，所述任务集包括若干个子任务；
[0007]构建每一个子任务相对应的候选服务集，通过整数编码建立基因编码与每个子服务之间的映射关系得到编码候选服务集，所述子服务表征所述候选服务集中的子服务；
[0008]建立
QoS
可信度计算模型，通过所述计算模型计算所述编码候选服务集后得到可信度候选服务集；
[0009]建立多目标优选模型，根据
NSGA
‑Ⅱ
和
SSA
得到改进
NSGA
‑Ⅱ
算法；
[0010]通过所述改进
NSGA
‑Ⅱ
算法和所述多目标优选模型对所述编码候选服务集进行计算后得到优选服务集；
[0011]根据所述可信度候选服务集和所述优选服务集确定最优服务组合
。
[0012]可选地，所述根据所述服务请求生成任务集，具体包括：
[0013]根据所述服务请求确定总任务；
[0014]根据预设的分解规则将所述总任务分解为若干个所述子任务；
[0015]将若干个所述子任务组成所述任务集
。
[0016]可选地，所述构建每一个子任务相对应的候选服务集，具体包括：
[0017]根据所述子任务遍历预设的服务数据库得到相关服务集；
[0018]根据所述子任务对所述相关服务集进行模糊匹配度计算得到匹配度服务集；
[0019]对所述匹配度服务集中的服务进行遍历并排序，然后生成候选服务集
。
[0020]可选地，所述通过整数编码建立基因编码与每个子服务之间的映射关系得到编码候选服务集，具体包括：
[0021]将所述子服务与基因的染色体片段进行对应得到对应关系表；
[0022]通过所述整数编码对所述对应关系表进行编码后得到编码候选服务集
。
[0023]可选地，所述建立
QoS
可信度计算模型，具体包括：
[0024]建立
QoS
随时间变化的权重计算规则；
[0025]根据所述权重计算规则获取历史
QoS
值和实时
QoS
值；
[0026]根据所述历史
QoS
值和所述实时
QoS
值确定可信度
QoS
值
。
[0027]可选地，所述通过所述改进
NSGA
‑Ⅱ
算法和所述多目标优选模型对所述编码候选服务集进行计算后得到优选服务集，具体包括：
[0028]初始化种群得到初始种群，并给所述初始种群的每一个麻雀分配初始能量值，通过所述多目标优选模型的目标函数计算所述初始种群得到相应的函数值；
[0029]对所述初始种群进行非支配排序，计算所述麻雀的拥挤距离，得到多个非支配层；
[0030]根据
SSA
的行为规则，模拟所述麻雀的觅食行为和迁徙行为生成解集；
[0031]根据所述解集的适应度值更新所述麻雀的能量值；
[0032]当某一个所述麻雀的能量值为倒数时，将所述麻雀从所述种群中移除，并将具有相同基因的所述麻雀从所述种群中移除；
[0033]不断更新所述麻雀的能量值，当达到预设的迭代次数时，得到所述优选服务集
。
[0034]可选地，所述根据所述可信度候选服务集和所述优选服务集确定最优服务组合，具体包括：
[0035]对所述可信度候选服务集中服务的
QoS
值进行归一化处理得到归一化
QoS
值，所述
QoS
值包括效益型指标的
QoS
值和成本型指标的
QoS
值；
[0036]基于所述归一化
QoS
值计算所述优选服务集中服务组合的
QoS
可信值；
[0037]根据所述
QoS
可信值对所述优选服务集中的所述服务组合进行排序，根据所述排序的结果获取所述最优服务组合
。
[0038]第二方面，本专利技术实施例提供了一种基于
NSGA
‑Ⅱ
和
SSA
的服务组合优化系统，包括：
[0039]第一模块，用于获取终端的服务请求，根据所述服务请求生成任务集，所述任务集包括若干个子任务；
[0040]第二模块，用于构建每一个子任务相对应的候选服务集，通过整数编码建立基因编码与每个子服务之间的映射关系得到编码候选服务集，所述子服务表征所述候选服务集中的子服务；
[0041]第三模块，用于建立
QoS
可信度计算模型，通过所述计算模型计算所述编码候选服务集后得到可信度候选服务集；
[0042]第四模块，用于建立多目标优选模型，根据
NSGA
‑Ⅱ
和
SSA
得到改进
NSGA
‑Ⅱ
算法；
[0043]第五模块，用于通过所述改进
NSGA
‑Ⅱ
算法和所述多目标优选模型对所述编码候选服务集进行计算后得到优选服务集；
[0044]第六模块，用于根据所述可信度候选服务集和所述优选服务集确定最优服务组合
。
[0045]第三方面，本专利技术实施例提供了一种基于...

【技术保护点】

【技术特征摘要】
1.
一种基于
NSGA
‑Ⅱ
和
SSA
的服务组合优化方法，其特征在于，包括：获取终端的服务请求，根据所述服务请求生成任务集，所述任务集包括若干个子任务；构建每一个子任务相对应的候选服务集，通过整数编码建立基因编码与每个子服务之间的映射关系得到编码候选服务集，所述子服务表征所述候选服务集中的子服务；建立
QoS
可信度计算模型，通过所述计算模型计算所述编码候选服务集后得到可信度候选服务集；建立多目标优选模型，根据
NSGA
‑Ⅱ
和
SSA
得到改进
NSGA
‑Ⅱ
算法；通过所述改进
NSGA
‑Ⅱ
算法和所述多目标优选模型对所述编码候选服务集进行计算后得到优选服务集；根据所述可信度候选服务集和所述优选服务集确定最优服务组合
。2.
根据权利要求1所述的方法，其特征在于，所述根据所述服务请求生成任务集，具体包括：根据所述服务请求确定总任务；根据预设的分解规则将所述总任务分解为若干个所述子任务；将若干个所述子任务组成所述任务集
。3.
根据权利要求1所述的方法，其特征在于，所述构建每一个子任务相对应的候选服务集，具体包括：根据所述子任务遍历预设的服务数据库得到相关服务集；根据所述子任务对所述相关服务集进行模糊匹配度计算得到匹配度服务集；对所述匹配度服务集中的服务进行遍历并排序，然后生成候选服务集
。4.
根据权利要求1所述的方法，其特征在于，所述通过整数编码建立基因编码与每个子服务之间的映射关系得到编码候选服务集，具体包括：将所述子服务与基因的染色体片段进行对应得到对应关系表；通过所述整数编码对所述对应关系表进行编码后得到编码候选服务集
。5.
根据权利要求1所述的方法，其特征在于，所述建立
QoS
可信度计算模型，具体包括：建立
QoS
随时间变化的权重计算规则；根据所述权重计算规则获取历史
QoS
值和实时
QoS
值；根据所述历史
QoS
值和所述实时
QoS
值确定可信度
QoS
值
。6.
根据权利要求1所述的方法，其特征在于，所述通过所述改进
NSGA
‑Ⅱ
算法和所述多目标优选模型对所述编码候选服务集进行计算后得到优选服务集，具体包括：初始化种群得到初始种群，并给所述初始种群的每一个麻雀分配初始能量值，通过所述多目标优选模型的目标函数计算所述初始种群得到相应的函数值；对所述初始种群进行非支配排序，计算所述麻雀的拥...

【专利技术属性】
技术研发人员：程良伦，陈子东，王涛，
申请(专利权)人：广东能哥知识科技有限公司，
类型：发明
国别省市：