[发明专利]面向服务组合问题的鲸鱼进化系统及方法

说明书

本发明公开了面向服务组合问题的鲸鱼进化方法及系统，本发明方法步骤如下：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。当服务组合序列数量级达到一定规模时，采用本发明求解最优服务组合相较随机搜索方法的最优值将得到显著的提升，而相较遍历搜索方法则具有更高的寻优效率，从而契合于web服务组合优化问题中可靠性与实时性的特性要求，提供较优质的组合服务。

技术领域

本发明涉及鲸鱼优化算法在Web服务组合问题中的应用，具体涉及一种面向服务组合问题的鲸鱼进化系统及方法。

背景技术

在当前信息技术发展下，Web服务组合问题成为了当今信息技术应用的热点之一。Web服务是通过互联网实现的带有自描述和自包含功能的软件模块，它们可以使用一组标准(如SOAP、WSDL和UDDI)在互联网上发布、定位功能，并且被使用。此类软件模块代表用户或应用程序完成任务、解决问题和处理事务等。在大多数情况下，用户通常需要使用一系列的服务组合来实现自己的目标。当用户使用不同类别的Web子服务创建Web服务组合时，一个类别下通常会有多个具有相同功能的候选服务，而由于当前数量庞大的web服务，在能够实现相同功能的模块中，往往包含数以千计QoS(Quality-of-Service)不同的功能模块。因此，如何从数量众多的Web服务候选集中，选定质量最优的子服务组合是需要解决的问题。高质量的Web服务组合应该包含响应时间短、成本低、可靠性高、可用性好等特点，这些也就是Web服务常规的评估标准QoS。

QoS是重要的用来评价网络功能服务的方法，包含各项不同的评判标准。从服务属性可将其基本分为积极属性与消极属性两大类，积极属性评分越高越好，消极属性反之。其中成功率，可靠性，吞吐率等归为积极属性，而响应时间，服务价格等归为消极属性。而对web服务的评价往往需要综合积极属性与消极属性，而非专注于单一某个方面。

进一步说明web服务组合结构流程。根据实际场景划分，常见的web服务组合流程组合工作流可分为顺序，并发，选择以及循环结构，而根据不同的服务属性，在不同的工作流模式下数据处理模式将会有区别。

此为Web服务组合问题描述。对于规模庞大候选服务集，若每个目标组合有n类抽象服务类别，每类由m个具体的候选Web服务，那么所有可能的组合的数量为mⁿ个。这是典型的NP难问题。群智能优化算法能够较好的解决该类问题，能够在不遍历所有可能的解决方案的情况下找接近最优方案的服务组合，在均衡算力与目标的前提下是对该问题的一种高效解决方案。本文针对这些目标和要求，将Web服务组合问题转化为Qos约束的多目标Web服务组合优化问题，并利用鲸鱼算法WOA(Whale optimization Algorithm)同时优化多个目标参数，最后动态选择一组Web服务组合的最优解。

鲸鱼优化算法WOA是一种由Mirjalili与Lewis在2016年提出的新型群智能算法。该算法通过模拟鲸群在追捕猎物的过程中螺旋形运动与气泡网捕猎行为构建成群智能寻优算法。WOA的寻优原则分为以下三类：包围行为、狩猎行为、搜索行为。WOA作为一种新型的寻优算法，具有结构简单、调节参数少、易于实现、运算速度快等优点，经过实验证明，其能较好的应该用于该领域。

对于WOA算法来说，目前还没有产生应用于服务组合问题的模型。在使用群智能算法应用于服务组合问题的模型中，大多数很难均衡寻优速度与最优值二者：寻优速度快但搜索的最优值较差，反之亦然。

发明内容