[发明专利]一种基于反向学习的混沌蜂群Web服务组合优化方法

说明书

本发明公开了一种基于反向学习的混沌蜂群Web服务组合优化方法，包括，将一个完整的Web服务抽象为一个n个任务数*m个服务数的服务请求；建立Web服务组合模型，并以体验质量QoE为评价指标建立Web服务组合模型的适应度函数F_fitness(QoE_best)；将适应度函数F_fitness(QoE_best)作为基于反向学习的混沌蜂群策略的目标函数，求其全局最优值；本发明在保证收敛的情况下，提高了迭代速率，加快搜寻符合需求的Web服务组合的结果；且具有自适应搜索能力，通过前期加大全局搜索能力，来避免陷入局部最优，随着迭代次数增加，后期局部搜索能力加强，能够缩短搜索范围减少搜索时间。

技术领域

本发明涉及Web服务组合的技术领域，尤其涉及一种基于反向学习的混沌蜂群Web服务组合优化方法。

背景技术

如今，信息技术发展对于web服务的进步至关重要，也将web服务带到我们生活的各个角落。但由于用户的复杂需求进行了变化，几乎不可能通过单个(基本)Web服务来满足用户的要求。因此，我们需要一组以适当的顺序集成的基本服务，以便满足用户的请求，即为web服务组合。

由于web服务组合问题的复杂性随着抽象服务的数量和基本服务的增加而增加，因此通过应用单一精确的方法，在多项式时间内找到问题的解决是不可行的。在这方面，没有特定的元启发式算法，对所有类型的优化问题产生理想的结果。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明提供了一种基于反向学习的混沌蜂群Web服务组合优化方法，能够抑制搜索过程中陷入局部最优，同时能够适应不同规模下的Web服务组合问题。

为解决上述技术问题，本发明提供如下技术方案：包括，一种基于反向学习的混沌蜂群Web服务组合优化方法，其特征在于：包括，将一个完整的Web服务抽象为一个n个任务数*m个服务数的服务请求；建立Web服务组合模型，并以体验质量QoE为评价指标建立Web服务组合模型的适应度函数F_fitness(QoE_best)；将所述适应度函数F_fitness(QoE_best)作为基于反向学习的混沌蜂群策略的目标函数，求其全局最优值；利用基于反向学习的混沌蜂群策略对Web服务组合进行优化。

作为本发明所述的基于反向学习的混沌蜂群Web服务组合优化方法的一种优选方案，其中：所述适应度函数F_fitness(QoE_best)包括，将子任务的候选服务的可靠性、可用性和响应时间输入至模糊专家系统，获得所述体验质量QoE；进而得到对应于Web服务组合模型的适应度函数F_fitness(QoE_best)的值；其中，所述适应度函数F_fitness(QoE_best)的计算公式为：

式中，n为子服务的数量；QoE_i表示第i个子服务体验质量。