本文關(guān)鍵詞：基于改進(jìn)人工蜂群算法的Web服務(wù)組合優(yōu)化選擇研究

  更多相關(guān)文章： Web服務(wù)組合 QoS 帕累托解集 精英交叉-空間距離策略 靈活度-資源素模型

【摘要】：Web服務(wù)的高速發(fā)展,帶來(lái)Web服務(wù)組合的多種可能。有很多功能相似的Web服務(wù),但他們的非功能屬性卻不同,如何將這些Web服務(wù)組合起來(lái)是個(gè)NP難題。本文采用了改進(jìn)的人工蜂群算法來(lái)解決Web服務(wù)組合優(yōu)化問(wèn)題,具體如下:首先,本文中提出精英交叉以及空間距離的精英組合策略,通過(guò)與遺傳算法結(jié)合改變了引領(lǐng)蜂的搜索范圍,能夠有效避免早熟現(xiàn)象,優(yōu)化種群。多目標(biāo)問(wèn)題解的屬性間存在著相互沖突,如果提高解的某個(gè)屬性,另外的屬性在一定程度可能會(huì)降低,因此為了使得各個(gè)目標(biāo)屬性能夠達(dá)到最佳平衡,本文采用帕累托構(gòu)造非支配解并將多目標(biāo)問(wèn)題轉(zhuǎn)化為求得一組解。Web組合優(yōu)化問(wèn)題一般只會(huì)推出一個(gè)最優(yōu)解,存在一定的局限性,難以滿足對(duì)準(zhǔn)確性的要求,因此本文基于帕累托解集會(huì)推出一組的最優(yōu)解。并且通過(guò)帕累托解集改進(jìn)食物源違反規(guī)則,得到豐富且能夠更加適應(yīng)種群優(yōu)化要求的解。然后,為了擴(kuò)大跟隨蜂在覓食階段的種群范圍,提出基于效用值的隨機(jī)多交換鄰域跟隨蜂覓食策略;原始蜂群算法使用輪盤(pán)賭的策略對(duì)跟隨蜂進(jìn)行蜜源選擇,這樣適應(yīng)度強(qiáng)的被選擇的概率大,容易陷入局部最優(yōu)。而本文采用跟隨蜂蜜源選擇靈活度-資源素模型來(lái)改進(jìn)算法,該模型可以擴(kuò)大搜索范圍,并且選擇概率前期和后期不相同。同時(shí),本文還提出了新的蜜源初始位置確定以及搜索更新公式,對(duì)Web服務(wù)組合進(jìn)行全面的優(yōu)化。最后,經(jīng)過(guò)仿真實(shí)驗(yàn)來(lái)驗(yàn)證本文改進(jìn)算法,結(jié)果表明該方案有效的避免了早熟現(xiàn)象,增加了種群多樣性,優(yōu)化了Web服務(wù)組合的選取。
【關(guān)鍵詞】：Web服務(wù)組合 QoS 帕累托解集 精英交叉-空間距離策略 靈活度-資源素模型
【學(xué)位授予單位】：南京財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP393.09;TP18
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 緒論8-12
• 1.1 背景和意義8-9
• 1.2 研究現(xiàn)狀及問(wèn)題9-10
• 1.2.1 國(guó)內(nèi)外研究現(xiàn)狀9-10
• 1.2.2 存在的問(wèn)題10
• 1.3 本文工作和創(chuàng)新點(diǎn)10
• 1.4 本文整體結(jié)構(gòu)10-12
• 第二章 Web服務(wù)組合和人工蜂群算法12-22
• 2.1 Web服務(wù)12-14
• 2.1.1 Web體系架構(gòu)12-13
• 2.1.2 Web服務(wù)核心協(xié)議13-14
• 2.2 Web服務(wù)組合技術(shù)14-17
• 2.2.1 Web服務(wù)組合架構(gòu)14-15
• 2.2.2 Web服務(wù)組合方法15-16
• 2.2.3 Web服務(wù)組合基本模型16-17
• 2.3 人工蜂群算法概述17-20
• 2.3.1 初始化17-18
• 2.3.2 引領(lǐng)蜂策略18
• 2.3.3 跟隨蜂階段18
• 2.3.4 偵查蜂階段18-19
• 2.3.5 算法流程19-20
• 2.4 人工蜂群算法的優(yōu)缺點(diǎn)20-21
• 2.5 本章總結(jié)21-22
• 第三章 Web服務(wù)組合QoS計(jì)算及蜂群算法改進(jìn)22-32
• 3.1 Web服務(wù)的QoS描述22
• 3.2 Web服務(wù)組合的QoS計(jì)算方法22-23
• 3.3 人工蜂群算法改進(jìn)23-30
• 3.3.1 引領(lǐng)蜂精英交叉-空間距離策略23-25
• 3.3.2 跟隨蜂蜜源選擇靈活度-資源素模型25-26
• 3.3.3 基于效用值的隨機(jī)多交換鄰域跟隨蜂覓食策略26-27
• 3.3.4 基于帕累托解集的食物源違反規(guī)則27-30
• 3.4 本文改進(jìn)策略30-32
• 第四章 基于多目標(biāo)改進(jìn)人工蜂群算法實(shí)驗(yàn)分析32-39
• 4.1 問(wèn)題描述32-33
• 4.2 改進(jìn)人工蜂群算法相關(guān)問(wèn)題33-35
• 4.2.1 種群篩選33
• 4.2.2 公式更新及適應(yīng)度計(jì)算33-34
• 4.2.3 種群多樣性度量34-35
• 4.3 改進(jìn)蜂群算法步驟35-36
• 4.4 實(shí)驗(yàn)結(jié)果分析36-38
• 4.5 本章小結(jié)38-39
• 第五章 總結(jié)與展望39-40
• 5.1 論文主要內(nèi)容39
• 5.2 下一步研究方向39-40
• 參考文獻(xiàn)40-44
• 攻讀碩士期間發(fā)表的論文44-45
• 致謝45

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 寧愛(ài)平;張雪英;;人工蜂群算法的收斂性分析[J];控制與決策;2013年10期

2 王冰;;基于局部最優(yōu)解的改進(jìn)人工蜂群算法[J];計(jì)算機(jī)應(yīng)用研究;2014年04期

3 葛宇;梁靜;王學(xué)平;;基于極值優(yōu)化策略的改進(jìn)的人工蜂群算法[J];計(jì)算機(jī)科學(xué);2013年06期

4 向萬(wàn)里;馬壽峰;;基于向量整體擾動(dòng)的快速收斂人工蜂群算法[J];計(jì)算機(jī)應(yīng)用研究;2013年05期

5 林小軍;葉東毅;;一種帶規(guī)范知識(shí)引導(dǎo)的改進(jìn)人工蜂群算法[J];模式識(shí)別與人工智能;2013年03期

6 李牧東;熊偉;梁青;;基于人工蜂群改進(jìn)算法的無(wú)線傳感器網(wǎng)絡(luò)定位算法[J];傳感技術(shù)學(xué)報(bào);2013年02期

7 向萬(wàn)里;馬壽峰;;基于輪盤(pán)賭反向選擇機(jī)制的蜂群優(yōu)化算法[J];計(jì)算機(jī)應(yīng)用研究;2013年01期

8 王珂珂;呂強(qiáng);趙汗青;張蔚;;基于PSO-ABC的混合算法求解復(fù)雜約束優(yōu)化問(wèn)題[J];系統(tǒng)工程與電子技術(shù);2012年06期

9 代永強(qiáng);王聯(lián)國(guó);;帶記憶功能的混合蛙跳算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2011年09期

10 步登輝;李景富;;基于動(dòng)態(tài)整體更新和試探機(jī)制的蜂群算法[J];計(jì)算機(jī)應(yīng)用研究;2011年07期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 朱孔村;群智能優(yōu)化算法理論及在資源調(diào)度中的應(yīng)用研究[D];山東大學(xué);2011年

2 姜飛;混合智能優(yōu)化算法及其應(yīng)用[D];西安電子科技大學(xué);2011年

3 暴勵(lì);人工蜂群算法的混合策略研究[D];太原科技大學(xué);2010年

，

本文編號(hào)：874743