没有合适的资源?快使用搜索试试~ 我知道了~
<div><div>Web服务作为一种新型的Web应用模式近年来得到了迅速的发展.如何高效动态地把现存的各种Web服务整合起来以形成新的满足不同用户需求的增值的复杂服务,已成为新的应用需求和研究热点.针对服务选择问题,设计了一种面向动态Web服务选择的离散微粒群算法,并结合服务选择研究背景,提出了3种速度计算算子和一种位置进化方程.针对进化算法容易陷入局部极值这一共同缺陷,定义了微粒无希望/重希望准则,以保证微粒群的多样性,增强全局搜索能力.理论分析和实验结果表明,该算法不仅具有较快的收敛速度,而且具有较好的全局收敛性能;同时说明Max运算在服务选择中具有较好的综合性能.</div></div>
资源推荐
资源详情
资源评论
计 算 机 研 究 与 发展
Journal of Computer Research and Development
ISSN 1000—1239/CN 11—1777门rP
47(1):147-156,2010
基于离散微粒群算 法的动态 Web服务选择
范小芹 。 蒋昌俊 方贤文 丁志军
(同济大学 电子与 信息 工程 学院 上 海 201804)
(同济大学嵌入式系统与服务计算教育部重点实验室 上海 201804)
。(山西大学计算机与信息技术学院 太原 030006)
(Ixq0917@ hotmail.com)
Dynam ic W eb Service Selection Based on Discrete Particle Swarm Optim ization
Fan Xiaoqin , ,Jiang Changjun ,Fang Xianwen ,and Ding Zhijun ’
(Electronics and Information Engineering School,TongJi University,Shanghai 201804) ’
(Key Laboratory of Embedded System and Service Computing,Ministry of Education,Tongji University,Shanghai 201804)
。(Computer and Information Technology School;Shanxi University;Taiyuan 030006)
Abstract W ith the developm ent of W eb service theories and technologies,W eb service has been
spreading rapidly.In order to meet the requirem ents of different users,m ultiple services need tO be
com posed. Therefore, how to dynamically and efficiently select appropriate W eb services from
existing services to build newly value—added and complex services has been a popular research focus.
In this paper,a discrete particle swarm optim ization (DPSO) algorithm is designed to facilitate the
dynamic W eb service selection, and combined with the specific meaning of service selection, three
kinds of velocity operator and one position evolution equation are proposed. Aim ed at the comm on
limitation that evolutionary algorithms are prone to fall into the local optimal solution,no—hope/re—
hope criterion is introduced to guarantee the diversity of particle swarm and improve the global search
ability. Theoretical analysis and experim ental results show that the proposed algorithm not only owns
a good globally convergent performance but also has a faster convergent rate.Specially,the service
selection m ethod is independent of the candidate services num ber,which means that the efficiency of
service selection will not decrease with the increase of available services.Furthermore,com pared with
other two velocity operators, the M ax operator has best comprehensive properties in the process of
serVice selection.
Key words W eb service;service selection;quality of service;particle swarm optimization;discrete
particle swarm optimization
摘 要 Web服务 作为 一种 新型 的 Web应 用模 式近 年来得 到 了迅 速 的发 展.如何 高效动 态地 把 现存 的
各 种 Web服 务整合 起 来 以形 成新 的满足 不 同用 户需求 的增值 的复 杂服务 ,已成 为 新的应 用 需求和研 究
热 点.针对 服务 选择 问题 ,设 计 了一种 面 向动 态 Web服务 选择 的离散微粒 群算 法 ,并结合服 务选择 研 究
背景 ,提 出了 3种速度计算算子 和一种位置进化 方程.针 对进 化算法 容易陷入局部极值 这一共同缺 陷 ,
定义了微粒 无 希望/重 希 望准则,以保 证微 粒群的 多样性 ,增强 全 局搜 索能 力.理论分 析 和 实验 结果
收藕 日期:2008—01-16;修 回日期 :2009—06—22
基金项 目:国家 自然科学基金项 目(90818023,90718012,60803032,60803034);国家“八六三”高技术研究发展计划基金项 目(2007AA01Z136)
148 计算 机研 究 与发 展 2010,47(1)
表 明,该 算 法不仅具 有较快 的收敛 速度 ,而且 具有较好 的全 局收敛 性能 ;同时说 明 Max运算在 服务 选择
中具有较 好 的综合性 能.
关键词 web服务 ;服 务 选择 ;服 务质量 ;微粒群 算 法 ;离散 微粒群 算 法
中图 法 分 类 号 TP311
Web服 务作 为一 种 新 型 的 Web应 用 模 式,由
于其独特 的性 质—— 高 度 的互 操 作 性 、跨平 台性 和
松 耦合等 近年来 得 到了迅 速 的发 展 .如 何 动 态地 把
现存 的各种 w eb服务 组 合起 来 ,以形 成 新的 、满 足
不 同用户需 求 的 、增值 的复 杂 服 务 已成 为新 的应 用
需求 和研究 热点 l_1].
服务组 合是 指对现 有的一组服务 按照 一定 的业
务逻 辑进行 集成 ,从而更好 地满 足用 户 的需求 .服务
组合 广义上 可 以分为 静 态组 合 、半 自动组 合和 自动
组合 ].在 Web环 境 中服务 是 经 常 变 化的 ,大 部分
情况下 静 态组 合 的方 式 并 不 能满 足 实 际 的应 用 需
求 .同时 ,由于完全智 能化 的 自动组合方 式是 一个非
常复杂 的过程 ,因此 ,很多关 于服 务组合 的应 用和研
究 工作都 侧 重于半 自动 方式 [3].半 自动服 务组合 方
式 的实现 首先要 求 业 务人 员 根 据特 定 的行 业背 景 ,
建立适合具体应用 需 求的通用服务组合 流程模 型 ,
模 型由多个任务 结 点组 成 ,各任 务结 点包 含 功能 需
求 描述 ,但不指 定具 体 的服 务调 用 实 例.在 web环
境 中,具有 相同功 能 属性 而具 有 不 同 QoS参 数 (如
执行 时间、费用 、可靠 性等)的 Web服务越 来 越多,
如何 动态地 从 中选择满 足各任 务结 点功能属 性 的实
例服 务 ,形 成一个 可 执行 的组 合服务 来 完成 用 户的
需求 ,成 为服 务组合 中的一个关 键问题 [4].这是 因为
服务选 择 的结果 不 仅直 接 关 系到 服务 能 否成 功 组
合 ,而且 对组 合服务 的质量 有着 至关重 要 的影响.
Web服务 选 择 这 一 问 题 国 内外 很 多学 者 已经
从不 同的角度 进行 了研究 .其 方 法 大致 可 以分 为两
类 :基 于 QoS语义 的 和基于 QoS属性计算 的 ,而采
用 QoS属性计 算 方 法 可以很 好 地满 足 用 户对 组 合
服 务的全 局 限制 ].如文 献[1]在给 出组件 服务 以及
组合服务 QoS模 型 的基 础 上 ,利用局 部优 化和全 局
优 化两种 方法对 服 务进 行 选 择 ,并 将 基 于 全局 优 化
的服务选择转换 为整数 规划问题.文献E5]采用关 系
矩 阵编码 ,提 出一 种新 的遗传算 法用 于服务 选择.穷
尽计 算方法 与 进 化算 法 是 两 种组 合服 务 QoS属性
计算 方法 ,而获得 用户 期 望 的全 局 限制及 寻找 最优
组合方 案属 于组合优化范畴 ,所 以采 用穷尽 计算 的
组 合优化 方法存 在 扩展 性 差 、计 算 量相 对 较 大 的弊
端.而且一般情 况下 ,对服务请求 者来说 只要求 找出
一
个 满足条件 的组合 服务 ,而并非 是全局 最优 服务.
因此 ,进化 算法 更适合 解决该 类型 的组合 优化 问题.
微粒群 算 法 (particle swarm optimization,PSO)是
进化算 法的一种 ,由于 它在 进 化过程 中同时保 留和
利用位 置与 速度 信息 ,而其 他进 化类 算法 仅保 留和
利用 位 置 的信 息 ,也 就是 说 ,PS0算 法执 行 一 种 有
“意识 (conscious)”的 变异 __6],所 以其 收 敛速 度 大幅
度提 高.同时 由于 PSO 算法概 念简单 ,实 现容 易 ,参
数 较少 ,能有效 地解 决复 杂优化 任务 ],所 以在过 去
几 年 中 获 得 了 飞 速 发 展 .同 时 ,研 究 和 实 践 表 明 ,
PsO在多 维空 间多峰 问题 寻优 、动态 寻 优 方 面具有
速 度快 、解 质量 高 、鲁棒 性好 等优点 L8],所 以在 图像
处 理、模 式识别 、多 目标 优 化和游 戏设计 等很 多领域
得 到广泛 应用 .因此 本 文 基 于微 粒 群优化 思 想研 究
服务 选择 问题 .
1 面 向 Web服 务选 择 的离 散 微 粒 群 算 法
(discrete particle swarm optimization,
DPSo)
1.1 基本微 粒 群算法 介绍
微 粒 群 算 法L9 是 由 Kennedy和 Eberhart于
1995年提 出的一 种 基于 种群 搜索 的 自适应 进 化 计
算 技术.算法 最初 受 到飞 鸟和 鱼类 集 群活动 的规 律
性启发 ,用组 织社会行为代 替 了进 化算法的 自然选
择 机制 ,通过种 群 间个 体 协 作来 实 现 对 问题 最 优解
的搜索[1 .PSO算 法通过 随机 产生一 个初 始种 群并
赋 予每个 微粒 一个 随机速度 ,在 飞行过 程 中 ,微 粒 的
速 度又通 过 自身 以及 同伴l的飞行 经验来 进行 动态调
整 ,整个群体有 飞 向更 好搜 索区域 的能力 .具体 的进
化方程 、参数含 义及参数设置可参考文献[9,11—133.
1.2 问题 描述
在半 自动服 务 组合 过 程中 ,首先 需要 业 务人 员
根据 特定的行业背景 ,建 立 适合具体应 用 需求 的抽
象过程 模型 .抽象 的 过程 模 型 包括 任 务 的集 合 以及
任 务 问的数 据及控 制 依 赖关 系 ,通 常用 图或 业 务 流
执 行语 言来 描述过 程模 型.图 中每 个 结点对 应 一个
任务 ,称为任 务结 点,并 且 只包 含 任务的功能 需求.
剩余9页未读,继续阅读
资源评论
weixin_38663036
- 粉丝: 4
- 资源: 928
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- ks滑块加密算法与源代码
- 医护人员检测23-YOLOv8数据集合集.rar
- 1.电力系统短路故障引起电压暂降 2.不对称短路故障分析 包括:共两份自编word+相应matlab模型 1.短路故障的发生频次以及不同类型短路故障严重程度,本文选取三类典型的不对称短路展开研究
- C#连接sap NCO组件 X64版
- 开源基于51单片机的多功能智能闹钟设计,课设毕设借鉴参考
- 深度强化学习电气工程复现文章,适合小白学习 关键词:能量管理 深度学习 强化学习 深度强化学习 能源系统 优化调度 编程语言:python平台 主题:用于能源系统优化调度的深度强化学习算法的性能比较
- 泰州市2005-2024年近20年历史气象数据下载
- 盐城市2005-2024年近20年历史气象数据下载
- 连云港市2005-2024年近20年历史气象数据下载
- 南通市2005-2024年近20年历史气象数据下载
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功