[发明专利]Web服务组合的参数自适应小生境差分进化方法

说明书

本发明公布了一种Web服务组合的优化方法，依据用户的服务需求，采用参数自适应小生境差分进化方法，快速稳定地得到体验质量高的Web服务组合的优选结果。首先建立一个基于体验质量QoE评价指标的模糊专家系统模型，并使用参数自适应小生境差分进化算法求解，该算法将初始种群划分为若干子种群，对各个子种群中优秀个体之间小于小生境半径的个体进行重置，让所有子种群的个体在各自的环境中进化迭代；对种群中个体进行变异、交叉操作，利用贪婪算法进行优选成员，在算法迭代过程中动态地调节缩放因子和交叉率，提高算法的收敛速度和算法的稳定性。

技术领域

本发明设计Web服务组合领域，具体涉及Web服务组合的参数自适应小生境差分进化方法。

背景技术

随着Web服务相关标准的持续完善，越来越多的Web服务在网上共享，然而单个Web服务功能有限，很难满足实际需求，因此需要将共享的Web服务组合起来，增强Web服务的能力。Web服务组合的研究在这种背景下被提出，并吸引了工商界和学术界的广泛关注。

目前广泛采用的服务度量标准为QoS（Quality of Service），QoS评价指标主要包括信誉度、可用性、成本费用、响应时间等。但这只仅仅反映了服务技术方面的特性，用户的主观方面被忽略了，所以不能够反映用户对服务的满意程度。体验质量（Quality ofExperience，QoE）是凭借用户满意程度来作为评价标准的。它结合了网络性能、业务质量、主观评测等影响因素，直接反映了用户对服务舒适度的满意程度。Web服务组合的实质为NP难问题，目前主流的算法是智能优化算法。差分进化算法具有高可靠性、强鲁棒性以及良好的优化性能，但同时也有早熟收敛和搜索停滞的缺点。

发明内容

本发明针对上述问题，提出Web服务组合的参数自适应小生境差分进化方法，在标准差分进化算法的基础之上，引入小生境淘汰策略和参数自适应不仅能避免标准差分进化算法本身的缺点还能提高其算法的性能和稳定性。

本发明提出的Web服务组合的参数自适应小生境差分进化方法，包括如下步骤：

（1）建立Web服务组合优化整体模型：把用户需求分解为各个子服务，依据Web服务组合的评价模型，将资源库中对应的各个子服务的QoS，转化为体验质量（Quality ofExperience，QoE），依此求出适应度函数，对Web子服务的组合进行优化，将优化的服务提供给用户，该适应度函数为：

（2）设置控制参数：种群规模NP、缩放因子F、变异因子CR、最大迭代次数G_max、种群代数t=0、小生境半径R、迭代次数Num、划分子种群个数N；

（4）对种群中所有个体进行适应度值评估，然后将初始化种群划分为N个子种群，保持每个子种群中的个体数量相同，计算N种子种群中所有个体的适应度函数值，求出没个子种群中的最优个体；划分种群的方法可以是随机划分；

（5）对种群进行RCS小生境淘汰策略；具体步骤如下：

（5-3）：重新在子种群中寻找最优个体，转向步骤（5-1）；