基于改进粒子群算法的组合服务优化

邓春玲

摘要：该文提出了一种基于遗传的粒子群算法来寻找最优组合服务。首先，设计了 Web 服务组合模型对组合服务进行形式化描述；接着，提出了候选服务筛选思想来解决组合数庞大问题；最后，引入遗传算法的交叉策略来避免粒子陷入停滞状态，同时采用了调整参数[ω]来改善粒子过早陷入局部最优。实验结果表明，基于改进粒子群优化的组合服务算法可靠、有效，能够获得综合[Qos]较好的解。

关键词：服务质量；粒子群优化算法；web服务；组合服务优化

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2014）27-6451-03

Abstract： This paper proposes a Particle Swarm Algorithm based on agenetic to find the optimal combination of service. First， the design of Web service composition model to formally describe a combination of service.Second ， for the huge number combinations of service problem， proposed the screening idea of candidate services. Finally， for the particle easily stalled issues， The paper introduced crossover strategy of Genetic Algorithm， while particle swarm easily fall into local optimum， used the adjusted parameter [ω]to improve. Experimental results show that the algorithm-Optimization of Composition Service Based on Modified Particle Swarm Optimization is reliable and effective， it is able to get a better solution which integrated [Qos].

Key words：[Qos]； particle swarm optimization； web services； combination service optimization

随着网络技术的发展，web服务的需求越来越高，但单个web服务功能有限，在一些功能方面很难满足用户需求，而多个服务可以组合为满足用户特定需求的多功能服务[1]。因此一种新兴的web应用模式即服务组合被兴起。而每个服务组合是由多个抽象服务组成，一个抽象服务可能有多个web候选服务提供者，这样就造就了服务组合数庞大。那么，如何从海量的组合数中快速地选择能够满足不同用户需求的组合，已经成为服务计算领域当前一个新的应用需求。该文在文献[2]的基础上，引入遗传交叉思想，提出了一种基于改进粒子群算法的服务组合优化。该算法以本文所提到的[Qos]属性和作为目标向量，并根据运动学原理，把速度进行分解，每一分速度代表一种属性，则可以利用分速度来计算下一次迭代该维对应的属性，以获得相应的服务，最终获得满足用户需求的服务组合。

4 总结

Web 组合服务优化是近年来一个研究的热点和重点，该文提出的采用的基于遗传算法的粒子群算法可以有效解决组合服务优化问题。并通过参数[ω]的改进，提高了最优值的搜索精度。在本文的基础上，可以进一步对基于遗传算法的粒子群算法进行改进，也可将粒子群算法与其他智能算法结合，以进一步提高算法的搜索速度及精度。

参考文献：

[1] 范小芹，蒋昌俊，方贤文，等.基于离散微粒群算法的动态Web服务选择[J].计算机研究与发展，2010，47（1）：147-156.

[2] 徐涛，王新环.基于多目标粒子群优化算法的web服务组合[J].计算机工程与设计，2010，31（18）： 4076-4081.

[3] 周文勇，郭颂，张继军.基于服务质量的Web 服务组合模型[J].信阳师范学院学报，2013， 26（3）：450-452.

[4] 刘彬，张仁津.基于QoS多目标优化的Web服务组合方法[J].计算机工程与设计，2012，33（3）： 885-889.

[5] 温涛，盛国军，郭权，等.基于改进粒子群算法的web服务组合[J].计算机学报，2013，36（5）： 1032-1046.

[6] 马超，邓超，熊尧，等.一种基于混合遗传和粒子群的智能优化算法[J].计算机研究与发展，2013， 50（11）：2278-2286.

[7] 陈绍新.多目标优化的粒子群算法及其应用研究[D].大连理工大学，2007.

[8] 何骏，陈亮，李永刚，等.基于改进蜂群算法的Web服务组合优化[J].装备学院学报，2013，24（5）： 87-92.

[9] 秦毅，彭力.带过滤机制非线性惯性权重粒子群算法[J].计算机工程与应用，2012（6）.