[發明專利]基于分布估計和限制玻爾茲曼機結合的自適應服務組合方法

在審

• 申請號: 201710110885.4
• 申請日: 2017-02-28
• 公開（公告）號: CN106934495A
• 公開（公告）日: 2017-07-07
• 發明（設計）人: 王紅兵;彭順順
• 申請（專利權）人: 東南大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/10;H04L29/08
• 代理公司: 南京蘇高專利商標事務所(普通合伙)32204
• 代理人: 柏尚春

技術領域

本發明涉及一種利用計算機對動態環境下Web服務組合開展自適應優化的方法，屬于人工智能領域。

背景技術

由于服務是由第三方提供者發布的，服務組合會受到多種因素的影響，如：服務的位置、有效服務的出現、服務失效等，因此，服務組合需要在動態環境下保證服務QoS(Quality of Service，QoS)。此外，在服務組合中，web服務的數量和種類在急劇增多，組合服務的規模和復雜度也在持續提升，使得服務組合稱為一個典型的NP(Non-deterministic Polynomial)難問題。此外成員服務本身在不斷地進化，運行環境也具有不確定性，如網絡問題，軟件問題，硬件問題等。這些因素使得成員服務的選擇也具有不確定性，有可能導致服務組合的性能減低，甚至于導致服務組合的失敗。

針對動態變化的服務環境，一些研究工作采用“前攝”服務組合(Proactive Service Composition)方法來預測未來可能發生的變動并做出相應規劃。雖然這種方法也能保證服務組合的有效運行，但是它受限于預制定的規劃，其包含的組合邏輯和服務選擇必須事先給出，因此無法根據動態變化的服務環境進行合理更改。還有一些研究工作采用重新優化策略，如混合整數規劃、多agent技術、強化學習方法、整數規劃、啟發式方法、遺傳算法、粒子群算法、蟻群算法、蜂群算法、差分進化算法等方法不斷地選擇新的服務來組合以獲得優化的組合服務。重新優化策略是提高服務組合自適應性，保證服務組合有效進行的一種手段。面向動態環境時，重新優化策略的核心在于如何有效地選擇服務并在此基礎上實現服務組合的自優化，但是這些方法選擇服務只是根據服務的QoS，并沒有考慮被選擇服務對整個組合服務QoS的貢獻程度，即是對全局優化性的影響，容易陷入局部優化。比如，由于接口、廠商等原因，一個最好服務與其他服務構成的組合服務可能不是最好的。另外，在服務優化時，沒有明確考慮可選組合服務的多樣性。維護可選組合服務的多樣性有助于備選組合服務的選擇，即可自適應調整優化方向。一旦發生變動，有限的可選組合服務可能無法滿足動態變化，或者產生糟糕的組合服務。以上問題都會影響服務組合的優化效果。

發明內容

發明目的：針對現有技術中存在的問題，本發明公開了一種基于分布估計和限制玻爾茲曼機結合的自適應服務組合方法，該方法結合分布估計算法和限制玻爾茲曼機來構造可選組合服務的概率分布，從概率角度來衡量服務對全局QoS的優化程度，同時通過提取組合服務的特征信息來呈現可選組合服務的概率差別，并根據概率分布來維護可選組合服務的多樣性，從而使服務組合可以自適應調整優化方向。

技術方案：一種基于分布估計和限制玻爾茲曼機的自適應服務組合方法，包括如下步驟：

(1)隨機生成N個服務組合構成初始父代服務組合集合，根據限制玻爾茲曼機建立可選服務組合分布的概率模型，所述概率模型的可視單元數目與一個服務組合對應的二進制碼流長度相同；所述概率模型的隱藏單元數目小于可視單元數目；

(2)對父代服務組合集合中的元素進行評估，選擇前M個最優勢的服務組合構成優勢解集合；

(3)將每一個優勢解作為訓練數據附帶給概率模型的可視單元，更新RBM的參數(ω_ij,b_i,c_j)，其中ω_ij為第i個可視單元與第j個隱藏單元之間的邊的權重，b_i為第i個可視單元的偏置，c_j為第j個隱藏單元的偏置；

(4)通過簡單采樣方法產生N個服務組合構成子代服務組合集合，對子代服務組合集合和優勢解集合中的元素進行評估，選擇前N個最優勢的服務組合構成本次迭代的服務組合集合；

(5)判斷是否達到迭代終止條件，如果達到迭代終止條件，在本次迭代的服務組合集合中選擇最優的組合服務作為優化的組合服務結果，并結束；如果沒有達到迭代終止條件，本次迭代的服務組合集合作為父代服務組合集合，跳轉到步驟(2)。

具體地，對服務組合cs的評估函數如下：

其中n為QoS屬性的個數，f_i(cs)表示第i個屬性的集合函數，α_i表示第i個屬性的權重。

具體地，每個服務組合編碼為染色體，所述染色體由若干基因組合組成，基因組合的個數與子任務個數一致，每個基因組合編碼為二進制碼流，二進制碼流中的一個碼元即一個基因；所述二進制碼流為子任務對應候選服務集中的服務編號。