[發明專利]一種基于麻雀算法的Web服務組合優化方法

在審

• 申請號: 202310258506.1
• 申請日: 2023-03-17
• 公開（公告）號: CN116340023A
• 公開（公告）日: 2023-06-27
• 發明（設計）人: 周國強;郁清
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06F9/54
• 分類號: G06F9/54;G06N3/006
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

本發明公開了一種基于麻雀算法的Web服務組合優化方法，屬于Web服務組合技術領域，所述方法包括：以服務質量QoS為評價指標建立Web服務組合的適應度函數；將每個Web服務組合映射成每個麻雀個體的位置，同時使用Logistic混沌映射產生麻雀個體的初始位置，獲得初始麻雀種群；將Web服務組合模型中構建的適應度函數作為目標函數，對麻雀種群中發現者的位置、追隨者的位置以及預警者的位置進行更新迭代，直至達到最大迭代次數輸出最終麻雀種群中適應度值最優的麻雀個體位置；將適應度值最優的麻雀個體位置復原成所需Web服務組合；本發明不僅提高了麻雀算法的全局尋優能力，在保證了麻雀種群多樣性的同時使得服務組合具備高質量的可用解。

技術領域

本發明公開了一種基于麻雀算法的Web服務組合優化方法，屬于Web服務組合技術領域。

背景技術

互聯網技術的不斷革新使得基于互聯網的應用開發中存在了大量的Web服務，Web服務組合的主要目的就是把一定數量功能簡單的Web服務，按照某種邏輯組織起來，從而形成一個新的增值Web服務，相比傳統按需開發的模式，這無疑減少了成本，提高了資源利用率和效率。Web服務組合問題解的數量是指數級的，這使得尋找最優解的問題成為一個NP難題。

目前，主流的算法是智能優化算法，蟻群算法是智能優化算法中的一種，該算法引入正反饋機制，具有較強的魯棒性、優良的分布式計算機制等優點，但是由于螞蟻在已探索的路徑上積累了大量的信息素，降低了對其他路徑的探索機會，搜索過程易陷入局部最優，飛行蟻群算法改善了這一問題，但由于每次迭代都要計算相鄰節點，耗費了大量的時間，例如專利CN202210815350公開了一種基于動態飛行蟻群算法的Web服務組合優化方法，將飛行螞蟻調整為動態限制螞蟻的飛行過程，以及設置接收信息素的相鄰節點的數量選擇移動到概率較大的服務。

在現有技術使用群智能算法應用于服務組合問題的模型中，雖然具有良好的尋優精度且實現簡單，但它們的全局尋優能力在后期明顯下降，得到的服務組合的解不夠精確，并且迭代后期種群會盲目跟隨領導者向最優解快速聚集，從而有可能陷入局部最優解。本發明解決了現有服務組合方法所使用的優化算法存在全局尋優能力不足和易陷入局部最優的問題。

發明內容

本發明提供了一種基于麻雀算法的Web服務組合優化方法，用于解決現有服務組合方法所使用的優化算法存在全局尋優能力不足和易陷入局部最優的問題。

為了解決上述問題，本發明采用如下技術方案：

第一方面，本發明實施例提供了一種基于麻雀算法的web服務組合優化方法，所述方法包括如下步驟：

從n種抽象服務中選出m個具體候選服務來組成Web服務組合，以服務質量QoS為評價指標建立Web服務組合的適應度函數；

將每個Web服務組合映射成每個麻雀個體的位置；使用Logistic混沌映射產生麻雀個體的初始位置，獲得麻雀種群；將所述麻雀種群中的麻雀個體分為發現者、追隨者和預警者；

將Web服務組合模型中構建的適應度函數作為目標函數，通過麻雀算法求目標函數的全局最優值；

對麻雀種群中發現者的位置、追隨者的位置以及預警者的位置進行更新迭代，直至達到最大迭代次數輸出最終麻雀種群中適應度值最優的麻雀個體位置；將適應度值最優的麻雀個體位置復原成所需Web服務組合。

進一步地，通過麻雀算法求目標函數的全局最優值的方法包括：

對初始麻雀種群中發現者的位置、追隨者的位置以及預警者的位置進行更新，計算每個麻雀個體對應的適應度值并排序，獲得更新后的麻雀種群中具有最優適應度的麻雀個體位置

計算自適應選擇概率P_t，判斷擾動條件：根據自適應選擇概率P_t選擇差分變異策略或柯西擾動策略，對更新后的麻雀種群中具有最優適應度的麻雀個體位置添加變異擾動，產生新的麻雀個體位置