基于多目标鱼群算法的QoS全局最优Web服务选择的研究

发布时间：2021-08-31 23:17

　　伴随着云计算化云为雨、落地生根，作为云服务的主要实现技术，Web服务的研究也必将重新受到重视，单个原子Web服务显然无法满足云环境中用户的需求，所以Web服务组合也就显得尤为重要，而Web服务选择是Web服务组合的关键步骤之一，算法是解决Web服务选择的具体方法，当前多数的Web服务选择算法具有单目标、局部最优的缺点，而更符合实际用户需求的多目标的QoS全局最优Web服务选择算法的研究还比较少。多目标鱼群算法是有一种新型智能寻优算法，具有鲁棒性强、全局收敛性好、对初值的敏感性小等特性，在很多领域得到了广泛的应用。本文首先将QoS全局最优Web服务选择问题转化为一个带约束条件的多目标服务组合优化问题并建立了相应的服务选择模型，还建立了原子和组合服务QoS模型。然后提出了一种基于多目标鱼群的Web服务选择算法MOAFSA4WSS（multi-objective artificial fish swarm algorithm for Web services selection）来求解服务选择模型，针对算法本身进行了人工鱼的编码、Pareto最优解集的构造和四种基本行为的调整等工作，并利用有... 

【文章来源】：武汉轻工大学湖北省

【文章页数】：52 页

【学位级别】：硕士

【部分图文】：

Web 服务组合过程

图 4.1 人工鱼的状态编码中的每个元素为对应于候选服务集中的一个具体 Web 服觅食、聚群、追尾和随机行为，使得鱼群中各条人工鱼向动并更新自己的状态，这一过程不断的进行，也就实现了，最终全局最优值在群体中突现出来，得到一组人工鱼，areto 最优前端的组合服务。的相关处理4WSS 算法作为一种多目标鱼群算法的应用，不能直接使，需要作相应的调整和处理，主要包括以下两个方面。 最优解集的构造；首先，在单目标优化问题中，只需要即可对其进行评估。而多目标优化问题包括多个目标，所值进行评估，需要采用 Pareto 支配的概念对人工鱼进行评记录已经找到的 Pareto 最优解，当每完成一次迭代，就对到的 Pareto 最优解保存至外部档案，与此同时去除档案

图 4.2 算法流程图敛性分析预备知识 4.1 （极小元和极小元集）设 是严格偏序集 S , 的子集，若不 x a，则 a 称为 的极小元；定义集合 M , a | x:x a关于 的极小元集。若对于每一个 x 都至少有一个 , x M则极小元集 为完全的。 4.2 （有限 Markov链）若 S 是一个有限集并且 0X: tNt 是 中

【参考文献】：
期刊论文
[1]基于多目标优化的航空器离场时隙控制方法[J]. 王飞,穆巍炜,董健康.  西南交通大学学报. 2012(04)
[2]人工鱼群算法的全局收敛性证明[J]. 黄光球,刘嘉飞,姚玉霞.  计算机工程. 2012(02)
[3]基于QoS的Web服务选择算法综述[J]. 李金忠,夏洁武,唐卫东,曾劲涛,王翔,吴兰英.  计算机应用研究. 2010(10)
[4]SVM性能的免疫鱼群多目标优化研究[J]. 刘胜,李高云,江娜.  智能系统学报. 2010(02)
[5]QoS全局最优的多目标Web服务选择算法[J]. 方其庆,刘庆华,彭晓明,胡亚慧.  计算机应用研究. 2009(12)
[6]面向Pareto最优遗传算法的服务组合方法[J]. 胡焕耀,董渭清,符锐,张星,赵晓昳.  西安交通大学学报. 2009(12)
[7]基于人工鱼群算法的制导炸弹多目标鲁棒PID控制器设计[J]. 王航,薛晓中,孙瑞胜,梁卓.  战术导弹技术. 2009(06)
[8]信任感知的组合服务动态选择方法[J]. 王勇,代桂平,侯亚荣.  计算机学报. 2009(08)
[9]基于多目标粒子群优化的服务选择算法[J]. 孙学胜,曹玖新,刘波,胡波,李和光.  东南大学学报(自然科学版). 2009(04)
[10]蚁群算法在Web服务组合中的应用[J]. 彭晓明,何炎祥,朱兵舰.  计算机工程. 2009(10)

博士论文
[1]人工鱼群算法及其应用研究[D]. 王联国.兰州理工大学 2009

硕士论文
[1]多目标粒子群算法在Web服务组合中的应用研究[D]. 王阳阳.河南大学 2010
[2]基于多智能体人工鱼群算法应用研究[D]. 姚玉霞.西安建筑科技大学 2008



本文编号：3375797