基于改进人工蜂群算法的Web服务组合优化选择研究

发布时间：2017-09-18 09:31

  本文关键词：基于改进人工蜂群算法的Web服务组合优化选择研究

  更多相关文章： Web服务组合 QoS 帕累托解集 精英交叉-空间距离策略 灵活度-资源素模型

【摘要】：Web服务的高速发展,带来Web服务组合的多种可能。有很多功能相似的Web服务,但他们的非功能属性却不同,如何将这些Web服务组合起来是个NP难题。本文采用了改进的人工蜂群算法来解决Web服务组合优化问题,具体如下:首先,本文中提出精英交叉以及空间距离的精英组合策略,通过与遗传算法结合改变了引领蜂的搜索范围,能够有效避免早熟现象,优化种群。多目标问题解的属性间存在着相互冲突,如果提高解的某个属性,另外的属性在一定程度可能会降低,因此为了使得各个目标属性能够达到最佳平衡,本文采用帕累托构造非支配解并将多目标问题转化为求得一组解。Web组合优化问题一般只会推出一个最优解,存在一定的局限性,难以满足对准确性的要求,因此本文基于帕累托解集会推出一组的最优解。并且通过帕累托解集改进食物源违反规则,得到丰富且能够更加适应种群优化要求的解。然后,为了扩大跟随蜂在觅食阶段的种群范围,提出基于效用值的随机多交换邻域跟随蜂觅食策略;原始蜂群算法使用轮盘赌的策略对跟随蜂进行蜜源选择,这样适应度强的被选择的概率大,容易陷入局部最优。而本文采用跟随蜂蜜源选择灵活度-资源素模型来改进算法,该模型可以扩大搜索范围,并且选择概率前期和后期不相同。同时,本文还提出了新的蜜源初始位置确定以及搜索更新公式,对Web服务组合进行全面的优化。最后,经过仿真实验来验证本文改进算法,结果表明该方案有效的避免了早熟现象,增加了种群多样性,优化了Web服务组合的选取。
【关键词】：Web服务组合 QoS 帕累托解集 精英交叉-空间距离策略 灵活度-资源素模型
【学位授予单位】：南京财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP393.09;TP18
【目录】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 绪论8-12
• 1.1 背景和意义8-9
• 1.2 研究现状及问题9-10
• 1.2.1 国内外研究现状9-10
• 1.2.2 存在的问题10
• 1.3 本文工作和创新点10
• 1.4 本文整体结构10-12
• 第二章 Web服务组合和人工蜂群算法12-22
• 2.1 Web服务12-14
• 2.1.1 Web体系架构12-13
• 2.1.2 Web服务核心协议13-14
• 2.2 Web服务组合技术14-17
• 2.2.1 Web服务组合架构14-15
• 2.2.2 Web服务组合方法15-16
• 2.2.3 Web服务组合基本模型16-17
• 2.3 人工蜂群算法概述17-20
• 2.3.1 初始化17-18
• 2.3.2 引领蜂策略18
• 2.3.3 跟随蜂阶段18
• 2.3.4 侦查蜂阶段18-19
• 2.3.5 算法流程19-20
• 2.4 人工蜂群算法的优缺点20-21
• 2.5 本章总结21-22
• 第三章 Web服务组合QoS计算及蜂群算法改进22-32
• 3.1 Web服务的QoS描述22
• 3.2 Web服务组合的QoS计算方法22-23
• 3.3 人工蜂群算法改进23-30
• 3.3.1 引领蜂精英交叉-空间距离策略23-25
• 3.3.2 跟随蜂蜜源选择灵活度-资源素模型25-26
• 3.3.3 基于效用值的随机多交换邻域跟随蜂觅食策略26-27
• 3.3.4 基于帕累托解集的食物源违反规则27-30
• 3.4 本文改进策略30-32
• 第四章 基于多目标改进人工蜂群算法实验分析32-39
• 4.1 问题描述32-33
• 4.2 改进人工蜂群算法相关问题33-35
• 4.2.1 种群筛选33
• 4.2.2 公式更新及适应度计算33-34
• 4.2.3 种群多样性度量34-35
• 4.3 改进蜂群算法步骤35-36
• 4.4 实验结果分析36-38
• 4.5 本章小结38-39
• 第五章 总结与展望39-40
• 5.1 论文主要内容39
• 5.2 下一步研究方向39-40
• 参考文献40-44
• 攻读硕士期间发表的论文44-45
• 致谢45

【参考文献】

中国期刊全文数据库 前10条

1 宁爱平;张雪英;;人工蜂群算法的收敛性分析[J];控制与决策;2013年10期

2 王冰;;基于局部最优解的改进人工蜂群算法[J];计算机应用研究;2014年04期

3 葛宇;梁静;王学平;;基于极值优化策略的改进的人工蜂群算法[J];计算机科学;2013年06期

4 向万里;马寿峰;;基于向量整体扰动的快速收敛人工蜂群算法[J];计算机应用研究;2013年05期

5 林小军;叶东毅;;一种带规范知识引导的改进人工蜂群算法[J];模式识别与人工智能;2013年03期

6 李牧东;熊伟;梁青;;基于人工蜂群改进算法的无线传感器网络定位算法[J];传感技术学报;2013年02期

7 向万里;马寿峰;;基于轮盘赌反向选择机制的蜂群优化算法[J];计算机应用研究;2013年01期

8 王珂珂;吕强;赵汗青;张蔚;;基于PSO-ABC的混合算法求解复杂约束优化问题[J];系统工程与电子技术;2012年06期

9 代永强;王联国;;带记忆功能的混合蛙跳算法[J];计算机工程与设计;2011年09期

10 步登辉;李景富;;基于动态整体更新和试探机制的蜂群算法[J];计算机应用研究;2011年07期

中国硕士学位论文全文数据库 前3条

1 朱孔村;群智能优化算法理论及在资源调度中的应用研究[D];山东大学;2011年

2 姜飞;混合智能优化算法及其应用[D];西安电子科技大学;2011年

3 暴励;人工蜂群算法的混合策略研究[D];太原科技大学;2010年

，

本文编号：874743