[發明專利]一種基于反向學習的混沌蜂群Web服務組合優化方法

在審

• 申請號: 202110883124.9
• 申請日: 2021-08-02
• 公開（公告）號: CN113673662A
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 周井泉;張俊
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06F16/958
• 代理公司: 南京禹為知識產權代理事務所(特殊普通合伙) 32272
• 代理人: 劉小莉

1.一種基于反向學習的混沌蜂群Web服務組合優化方法，其特征在于：包括，

將一個完整的Web服務抽象為一個n個任務數*m個服務數的服務請求；

建立Web服務組合模型，并以體驗質量QoE為評價指標建立Web服務組合模型的適應度函數F_fitness(QoE_best)；

將所述適應度函數F_fitness(QoE_best)作為基于反向學習的混沌蜂群策略的目標函數，求其全局最優值；

利用基于反向學習的混沌蜂群策略對Web服務組合進行優化。

2.如權利要求1所述的基于反向學習的混沌蜂群Web服務組合優化方法，其特征在于：所述適應度函數F_fitness(QoE_best)包括，

將子任務的候選服務的可靠性、可用性和響應時間輸入至模糊專家系統，獲得所述體驗質量QoE；進而得到對應于Web服務組合模型的適應度函數F_fitness(QoE_best)的值；

其中，所述適應度函數F_fitness(QoE_best)的計算公式為：

式中，n為子服務的數量；QoE_i表示第i個子服務體驗質量。

3.如權利要求1所述的基于反向學習的混沌蜂群Web服務組合優化方法，其特征在于：所述基于反向學習的混沌蜂群策略包括，

設置初始化參數、隨機初始化N只蜜蜂的位置；

根據正態分布，自適應選擇使用反向學習策略的蜜蜂數并更新蜜蜂解中的組合數；

根據更新的組合數，計算N只蜜蜂的適應度，并更新全局最優值；

在雇傭蜂階段，更新每只蜜蜂的解，并計算每只蜜蜂的適應度，利用貪心策略保留最優解；

第一次迭代進入觀察蜂階段時，計算前a％的適應度的極差，更新正態分布的參數；按大小將所述適應度進行排序，并對適應度前a％的蜜蜂解進行更新，其余的蜜蜂解向當前全局適應度最高的方向更新；

計算每只蜜蜂的適應度，并更新最優解；

判斷是否存在超過最大不更新次數限制不更新的蜜蜂；若存在，則利用反向學習策略更新蜜蜂解，并重新計算蜜蜂的適應度；

若不存在，則檢查是否滿足終止條件，若滿足則輸出最優值，否則，則繼續根據所述正態分布，自適應選擇使用反向學習策略的蜜蜂數并更新蜜蜂解中的組合數。

4.如權利要求3所述的基于反向學習的混沌蜂群Web服務組合優化方法，其特征在于：所述初始化參數包括，

設置普通蜂群種群數量為N，最大迭代次數為MCN，最大不更新次數限制為limit；

設置觀察蜂適應度前a％的個數，設置默認的正態分布的平均值為μ和方差為σ^2；

設置Web服務集：其中，為第n個子任務選擇第j_n個選擇。

5.如權利要求4所述的基于反向學習的混沌蜂群Web服務組合優化方法，其特征在于：所述正態分布包括，

正態分布函數的分布律p(t)為：

p(t)＝1-Φ(t)

其中，Φ(t)為正態分布概率分布函數。

6.如權利要求3或4所述的基于反向學習的混沌蜂群Web服務組合優化方法，其特征在于：所述雇傭蜂階段包括，

根據下式更新所述每只蜜蜂的解：

其中，的隨機數，X_ij(t)為在t代的第i個任務第j個服務組合，k為在[1,N]中不與i相同的正整數，X_ij(t+1)為在t+1代的第i個任務第j個服務組合。