[发明专利]面向服务组合问题的鲸鱼进化系统及方法

权利要求书

1.面向服务组合问题的鲸鱼进化方法，其特征是具体步骤如下：

步骤1：将web服务组合问题转化为单目标优化问题，建立适应度函数；

步骤2：对web服务组合问题进行整数型编码；

步骤3：建立WOA算法模型；

步骤4：对WOA算法进行整数型编码，转化为DWOA算法；

步骤5：使用DWOA算法对问题模型开始迭代寻优；

步骤6：结束搜索，输出搜索最优的服务组合编码序列与此时的最优web服务组合QoS值；

步骤1具体如下：先通过式(1)对不同web服务属性的QoS值进行归一化处理，再根据所需的优化约束条件设定各服务属性的权重值，通过式(2)分配各服务属性QoS值的权重，得到最终的适应度函数；

f(x)＝F(minT(s),minA(s),minS(s),minR(s),...) (2)

其中，i为服务类型，j为第j种子服务QoS_i,j(S)为归一化前属性值，QoS’_i,j(S)为归一化后属性值，QoS_{j_max}与QoS_{j_min}分别为该类最大与最小的属性值；式(2)中，T为响应时间，A为有效性，S为成功率，R为稳定性，属于web各服务属性的归一化QoS值；

步骤2具体如下：每一个web服务组合是从n类抽象服务中各选择出m_d个具体候选服务构成的，在顺序结构工作流下对各类抽象服务进行排列，最终得到一串编码组合；其中，单个码的变换范围由实际情况中每类抽象服务的候选服务个数所决定，数值由1至m_d且为整数，故各维度的搜索范围由实际编码范围决定：ub表示搜索上界，等同为m_d；lb表示搜索下界，为定值1；

步骤3具体如下：设定最大迭代次数T_max，迭代初值t＝1；模型由三种行为计算原则组成：

包围行为：通过式(3)为个体位置更新公式，式(4)为剩余个体与目标位置的距离差，表达式如下：

X(j+1)＝X^*(j)-A·D (3)

D＝|C·X^*(j)-X(j)| (4)

其中，X(j+1)是当前个体的下一个运动位置，j为迭代次数，X^*(j)为每一代的最优个体位置；A与C的表达式如下：

A＝2a·r_a-a (5)

C＝2·r_c (6)

其中，r_a与r_c是两个取值为[0,1]的随机向量，收敛因子a的由2到0线性递减，表达式如下：

狩猎行为：式(8)为第i个体与最优个体之间的距离，式(9)为搜索代理的气泡网捕猎行为；

D＝|C·X^*(j)-X(j)| (8)

X(j+1)＝D·e^bl·cos(2πl)+X^*(j) (9)

其中，b为螺旋形线性参数，l为随机参数变量，取值在[-1,1]之间；

为保证搜索代理在该过程收缩包围与螺旋式逼近同步进行，通过随机数P来实现，表达式如下：

搜索行为：此时|A|≥1，算法选取一个随机个体X_rand作为目标，其余搜索个体向其运动；式(11)为搜索代理的搜索行为，式(12)为第i个体与该代选择的随机个体之间的距离；

X(j+1)＝X_rand(j)-A·D (11)

D＝|C·X_rand(j)-X(j)| (12)；

步骤4具体如下：设定搜索代理数量为n，其中某一维度的坐标取值范围为1至m_d的整数；使用式(13)模糊函数fd将搜索代理的各维坐标值转换为对应的整数值，更新上一代坐标为整数型坐标，以此将每个搜索代理的各维度坐标按照web服务组合编码顺序转化为相应的整数型编码坐标；根据搜索代理的服务组合编码串，分别代入目标函数中计算每个搜索代理的当前适应度值，比较并更新当前适应度最好的搜索代理的位置坐标为X^*；

其中，x^t_i,d是搜索代理i第t代在第d维上坐标值，z是[1,m_d]上的整数；随机变量Y是做一次概率为0.5的伯努利的试验结果，iff(P,u,v)函数的取值取决于P命题是否为真，若是则为u，否则为v；引入iff(P,u,v)函数；

步骤5具体如下：更新随机参数变量l、P，其中l用于控制螺旋形运动幅度，取值在[-1,1]之间，P用于控制位置更新，为[0,1]之间的随机数；分别比较判断参数P、A的值，确定下一代搜索代理的位置更新表达式，通过式(14)更新搜索代理的位置；

步骤6具体如下：更新迭代次数t；与最大迭代次数T_max进行比较，若t≤T_max，则回到步骤3；若t＞T_max，则结束搜索，输出搜索最优的服务组合编码序列与此时的最优web服务组合QoS值，以供用户实际中服务组合的调用。