本文關鍵詞：基于多目標遺傳算法和理想點法的Top-k服務組合研究　出處：《高技術通訊》2014年02期 　論文類型：期刊論文

  更多相關文章： 服務組合優(yōu)化 Top-k 理想點法(TOPSIS) 多目標遺傳算法(MOGA) 服務質(zhì)量(QoS)

【摘要】：針對組合服務QoS優(yōu)化中單目標優(yōu)化建模需要精確定義QoS權重和多目標優(yōu)化建模返回的Pareto最優(yōu)解集數(shù)目過多的問題,借鑒多目標遺傳算法(MOGA)和多屬性決策領域的理想點法(TOPSIS),提出了一個能夠快速返回Top-k最優(yōu)組合服務、適用于較大規(guī)模服務組合問題求解的使用了TOPSIS的多目標遺傳算法——T_MOGA。該算法在MOGA的方案評估階段引入理想點法對組合服務進行評估,并通過選擇、交叉、變異等操作對種群迭代以獲取QoS更好的組合服務方案。T_MOGA有效簡化了MOGA的非支配排序過程,減少了算法運行時間,并只返回Pareto最優(yōu)解集Top-k最優(yōu)組合服務,方便用戶選擇。通過實驗,從算法的運行時間及得到集合的質(zhì)量兩個方面驗證了T_MOGA的有效性。
[Abstract]:In order to solve the problem of single objective optimization modeling in composite service QoS optimization, it is necessary to define precisely the QoS weight and the number of Pareto optimal solution sets returned by multi-objective optimization modeling. Based on the multi-objective genetic algorithm (MOGA) and the ideal point method in the field of multi-attribute decision making, an optimal composite service which can quickly return to Top-k is proposed. The multiobjective genetic algorithm of TOPSIS is used to solve the large-scale service composition problem. This algorithm introduces ideal point method to the composition service in the evaluation stage of the MOGA scheme. Evaluation. And through selection, crossover, mutation and other operations to iterate the population to obtain a better QoS composite service scheme. Tstack MOGA effectively simplifies the process of non-dominated ordering of MOGA, and reduces the running time of the algorithm. And only returns the Pareto optimal solution set Top-k optimal composition service, facilitates the user to choose. Through the experiment. The validity of Tstack MOGA is verified in terms of the running time of the algorithm and the quality of the set.
【作者單位】： 中國科學院計算技術研究所計算機應用研究中心;中國科學院大學;中國電子設備工程系統(tǒng)工程公司研究所;中國電子設備工程系統(tǒng)工程公司;
【基金】：863計劃(2011AA120302)資助項目
【分類號】：TP393.09
【正文快照】： 0引言Web服務技術的成熟發(fā)展使得服務的數(shù)量不斷增多,服務組合越來越多地需要考慮服務的非功能屬性,即服務質(zhì)量(QoS),基于QoS的服務組合成為研究熱點。如何從服務組合各抽象任務的候選服務集合中分別選出一個具體的服務,使得選中的這組服務在滿足用戶對組合服務所有約束的同時

【參考文獻】

相關期刊論文 前9條

1 夏亞梅;程渤;陳俊亮;孟祥武;劉棟;;基于改進蟻群算法的服務組合優(yōu)化[J];計算機學報;2012年02期

2 舒振;陳洪輝;羅雪山;;基于改進混合粒子群算法的服務動態(tài)選擇方法[J];中南大學學報(自然科學版);2011年10期

3 王俊麗;柳先輝;衛(wèi)剛;;基于服務質(zhì)量的Web服務優(yōu)化選擇算法及仿真[J];同濟大學學報(自然科學版);2011年04期

4 李金忠;夏潔武;唐衛(wèi)東;曾勁濤;王翔;吳蘭英;;基于QoS的Web服務選擇算法綜述[J];計算機應用研究;2010年10期

5 方其慶;劉慶華;彭曉明;胡亞慧;;QoS全局最優(yōu)的多目標Web服務選擇算法[J];計算機應用研究;2009年12期

6 胡煥耀;董渭清;符銳;張星;趙曉f3;;面向Pareto最優(yōu)遺傳算法的服務組合方法[J];西安交通大學學報;2009年12期

7 張童;劉云生;查亞兵;;一種QOS驅(qū)動的仿真服務組合優(yōu)化方法[J];系統(tǒng)仿真學報;2009年16期

8 李禎;楊放春;蘇森;;基于模糊多屬性決策理論的語義Web服務組合算法[J];軟件學報;2009年03期

9 劉書雷;劉云翔;張帆;唐桂芬;景寧;;一種服務聚合中QoS全局最優(yōu)服務動態(tài)選擇算法[J];軟件學報;2007年03期

【共引文獻】

相關期刊論文 前10條

1 郭向陽;楊冰峰;張春和;;基于蟻群算法的軍用車輛器材裝箱配載問題[J];包裝工程;2016年11期

2 譚振宇;樂鵬;張明達;張錫寧;;GeoQoS—QoS感知的空間信息服務組合建模工具[J];測繪通報;2016年04期

3 鄭慧君;陳俞強;;基于改進蟻群的路徑導航算法[J];控制工程;2016年04期

4 張以文;吳金濤;趙姝;唐杰;;基于改進煙花算法的Web服務組合優(yōu)化[J];計算機集成制造系統(tǒng);2016年02期

5 石磊;邢立強;孫麗萍;;20kV配電網(wǎng)的檢修優(yōu)化研究[J];山東工業(yè)技術;2016年03期

6 冉崇善;張婷;;基于蟻群改進著色算法在智慧社區(qū)的應用[J];計算機工程與設計;2016年01期

7 李靖;喬蕊;劉志中;;結合對策論與多目標MILP的Web服務組合調(diào)度問題求解[J];計算機工程;2016年01期

8 陳衛(wèi)衛(wèi);李濤;李志剛;劉釗;;基于模糊層次分析法的云服務評估方法[J];解放軍理工大學學報(自然科學版);2016年01期

9 余戌f，

本文編號：1371336