[发明专利]预防局部极优的高质量网络服务组合方法

权利要求书

1.预防局部极优的高质量网络服务组合方法，其特征在于，基于遗传算法进行改进，提出一种群体局部收敛状态预防体系，通过在算法中使用预防体系来判断当前群体是否有可能会进入局部收敛状态，继而判断是否该对当前群体施以混沌扰动，混沌扰动过程是群体中的个体利用抛物线混沌映射生成子个体的过程，将预防局部极优的高质量网络服务组合方法运用到本发明的网络服务组合问题中，避免出现遗传算法可能出现的局部收敛状态，同时能更快的收敛到一个很好的适应度函数值，本发明包括以下几个方面：

第一，定义基于公共数据集的服务质量优选的网络服务组合优化问题；

第二，提出一种群体局部收敛预防体系，并将其引入到遗传算法中得到建立群体局部极优状况预防体系的改进遗传算法，如果依据群体局部收敛预防体系判断当前群体有陷入局部极优的可能，则调用混沌扰动处理使当前群体跳出现阶段所处状态；

第三，采用Java语言实现本发明方法，提出利用群体中个体的平均适应度函数值来衡量算法的性能；

本发明基于遗传算法在处理网络服务组合问题时有可能出现陷入局部最优的情况，提出利用混沌的遍历性使得遗传算法跳出局部极优状况，同时，还提出一种群体局部收敛状态监测机制，在监测机制没有检测到发生局部收敛趋势时，仍然按照遗传算法的一般流程进行，一旦预防体系检测到系统有可能会发生局部收敛时，开始利用一维抛物线混沌映射改变系统状态，将一维抛物线混沌映射和局部收敛检测机制引入遗传算法得到一种改进算法，然后将这种改进算法用于解决本发明所提出的网络服务组合问题，并记录所生成的网络服务组合方案的平均适应度函数值。

2.根据权利要求1所述的预防局部极优的高质量网络服务组合方法，其特征在于，基于网络服务组合问题，以公共数据集中功能相同而服务质量各异的多个网络服务集合作为网络服务组合中各网络服务的备选集合，构建能使服务质量达到最大化的网络服务组合，分别从各个不同的网络服务备选集合中选取出合适的网络服务，提出一种群体局部收敛状态监测机制，并将预防体系和混沌扰动引入遗传算法中，并对遗传算法进行适应性改进，然后将改进算法运用到解决本发明所定义的网络服务组合问题中。

3.根据权利要求1所述的预防局部极优的高质量网络服务组合方法，其特征在于，网络服务组合框架模型：从互联网上众多已注册的功能相同而服务质量不同的网络服务中选取合适的网络服务，并将选取出来的网络服务组合成一个满足用户应用需求的网络服务组合，采用一种网络服务组合框架模型，描述基于网络服务的服务质量指标获得满足用户需求的网络服务组合方案的过程；

网络服务组合框架模型中，通过注册中心，网络服务开发者将自己开发的网络服务发布到互联网中供用户使用，用户依据自身需求向网络服务组合引擎提交网络服务请求，在接收到用户所提交的请求之后，网络服务搜索引擎依据该服务请求从注册中心选取多个网络服务，并将其构建成一个满足用户服务请求的网络服务组合推荐给用户，整个网络服务组合的构建过程分为组合规划阶段和优化选取阶段，在组合规划阶段，网络服务组合引擎依据用户服务请求的功能属性将所需的网络服务组合拆分成若干个功能简单的组件网络服务，对于每一个组件网络服务，网络服务组合引擎从注册中心找出实现该功能的网络服务构成该组件网络服务的备选集合，在优化选取阶段，网络服务组合引擎基于组合规划，依据各个组件网络服务的服务质量，运用组合优化算法从各组件网络服务备选集合中选取合适的网络服务，并将选中的网络服务构建成网络服务组合推荐给用户，网络服务组合引擎在组合规划阶段将所需网络服务组合拆分成若干个组件网络服务，组合优化阶段中的网络服务组合方法直接影响网络服务组合服务质量性能高低。

4.根据权利要求1所述的预防局部极优的高质量网络服务组合方法，其特征在于，混沌扰动重新构建群体个体：混沌是非线性动力系统固有的性质，组合优化是在满足一定约束条件的可行解集中找到，使目标函数达到最大或最小的解，组合优化问题包含较多的局部极值点，混沌在解决网络服务组合优化问题时有独特的特性，它的随机性促进使网络服务组合优化问题的解跳出局部极优，同时，它的遍历性促进所得到的对网络服务组合优化问题的解到达全局最优解附近。