[发明专利]一种协同服务平台中的服务组合优化方法

权利要求书

1.一种协同服务平台中的服务组合优化方法，其特征在于，包括以下步骤：

根据用户需求匹配满足功能需求的候选服务集；

将所述候选服务集内服务质量属性进行标准化，并根据标准化后的服务质量属性构建服务组合优化模型；

基于改进的花授粉算法计算所述服务组合优化模型适应度值最大的最优解；

根据所述最优解获取服务组合优化数学模型的最优服务组合。

2.根据权利要求1所述的方法，其特征在于，所述将所述候选服务集内服务质量属性进行标准化，包括：

将不同服务的属性值标准化为0到1之间的实数，

对于第i个积极属性值：

对于第i个消极属性值：

其中，和是服务第i个属性的最大值和最小值。

3.根据权利要求1所述的方法，其特征在于，所述服务组合优化模型，包括：

其中，QoS_cs为组合服务的某种QoS属性，C_cs为这种QoS属性的约束条件，ω_r为不同QoS指标对应的权值，且满足

4.根据权利要求1所述的方法，其特征在于，所述改进的花授粉算法，包括：

对授粉方式做自适应的调整；

引入非线性的动态惯性权重系数以及动态步长；

与精英解的信息相结合。

5.根据权利要求4所述的方法，其特征在于，所述对授粉方式做自适应的调整，包括：

其中，fitness(bestindex)为当前种群最好的适应度值，fitness(i)为第i个个体的适应度值。

6.根据权利要求4所述的方法，其特征在于，所述引入非线性的动态惯性权重系数以及动态步长，包括：

引入非线性的动态惯性权重系数ω，公式如下：

其中，ω_max和ω_min分别表示ω的最大值和最小值，fitness(i)表示个体当前的目标函数值，fitnegs_avg和fitness_min分别表示当前所有个体的平均目标值和最小目标值；

引入动态步长step(t)，公式如下：

其中，step(t)表示当前步长t表示迭代次数，fitness_i为当前个体适应度函数值。

7.根据权利要求4所述的方法，其特征在于，所述与精英解的信息相结合，包括：

其中，和表示从当前子种群中随机选择的个体；表示从整个种群前20％的个体中随机选择一个；表示当前全局最优个体，ε表示[0，1]间分布的随机数。

8.一种协同服务平台中的服务组合优化装置，其特征在于，包括以下步骤：

匹配模块，用于根据用户需求匹配满足功能需求的候选服务集；

构建模块，用于将所述候选服务集内服务质量属性进行标准化，并根据标准化后的服务质量属性构建服务组合优化模型；

计算模块，用于基于改进的花授粉算法计算所述服务组合优化模型适应度值最大的最优解；

获取模块，用于根据所述最优解获取服务组合优化数学模型的最优服务组合。

9.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-7中任一所述的协同服务平台中的服务组合优化方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任意一项所述的协同服务平台中的服务组合优化方法。