面向QoS全局优化的大规模Web服务组合方法

把多个简单Web服务组合成为更强大的组合Web服务是面向服务计算的目标之一。由于存在多个功能相同但服务质量属性不同的候选Web服务,因此需要针对服务质量要求进行服务组合。鉴于Web服务组合规模的不断增长和特定领域的时限要求,面向实时大规模Web服务组合问题的快速收敛算法尤为重要,然而目前相关工作还很少。论文提出一种新的Web服务组合算法GAELS(Genetic Algorithm Embedded Local Searching),运用高适应度初始种群和局部搜索的变异策略,加快收敛速度。通过实验评测表明与简单遗传算法相比,GAELS算法能更快得到近似最优解,且随着服务规模增长,拥有更好的适应性。

Web服务组合QoS全局优化算法

Web服务技术的发展使得组合Web服务的应用成为可能,组合服务的QoS优化问题的重要性越来越明显。遗传算法与蚁群算法是解决QoS全局优化的两种方法,针对采用蚁群算法进行优化时易出现的收敛速度缓慢及遗传算法易陷入局部最优解、效率不高的问题,结合两种算法的优势,充分发挥蚁群算法正反馈特性与遗传算法的快速全局搜索能力,改善QoS全局优化算法,提高了算法的优化能力,从而更好地解决了Web服务的QoS全局优化问题。

QoS全局最优化的服务选择策略

为每个服务节点选择一个服务实例,形成在满足全局QoS限制的条件下,具有综合QoS最优的执行计划是服务选择的关键问题.本文分析了优化目标,提出了基于自适应变异遗传算法(self-Adaptive Mutation Genetic Algorithm,AMGA)求解服务选择的组合优化问题.在算法中,适应度函数设计采用对执行计划聚合QoS属性值与约束条件的偏差量作为惩罚约束,变异算子设计采用对服务实例的优良程度自适应的变异概率,提高了基因改良的效率,并引入指数衰减函数保证了算法的收敛性.实验结果表明,基于AMGA算法的服务选择策略比现有基于其它遗传算法的策略能够获得更优的解.

QoS全局最优动态Web服务选择算法

Web服务作为一种新型的分布式计算模式近年来得到迅速的发展,来自不同服务提供商的服务可被整合以提供组合服务.QoS全局最优动态Web服务选择是服务组合中的一个难题.基于粒子群进化算法,设计一种用于解决该问题的PSO-GODSS算法.其主要思想是将问题表示为一个带QoS约束的多目标服务组合优化问题,通过理想点的方法将多目标向单目标转化,利用粒子群算法的智能优化原理进行算法设计及求解,最终产生一组满足约束条件的优化服务组合流程集.理论分析和实验结果表明该算法的可行性和有效性,且算法的执行效率和收敛速度优于以往的多目标遗传算法.

基于差异演化算法的QoS全局最优动态Web服务选择

QoS全局最优动态Web服务选择是服务组合中的一个难题。基于差异演化算法,设计一种用于解决该问题的DE-GODSS算法。算法的主要思想是将问题表示为一个带QoS约束的多目标服务组合优化问题,通过理想点的方法将多目标向单目标转化,然后利用差异演化算法的智能优化原理进行算法设计及求解,最终产生一组满足约束条件的优化服务组合流程集。理论分析证明DE-GODSS算法的时间复杂度优于已有的多目标遗传算法,且实验结果表明该算法的收敛速度优于已有的多目标遗传算法。

一种服务聚合中QoS全局最优服务动态选择算法

Web服务作为一种新型的Web应用模式,近年来得到了迅速的发展.如何动态地把现存的各种Web服务整合起来以形成新的、满足不同用户需求的、增值的复杂服务已成为新的应用需求和研究热点.针对现有服务聚合中服务选择技术的不足,提出了一种解决服务聚合中服务动态选择QoS全局最优化问题的实现算法GODSS(global optimal of dynamic Web services selection).算法的主要思想是把服务动态选择全局最优化问题转化为一个带QoS约束的多目标服务组合优化问题,利用多目标遗传算法的智能优化原理,通过同时优化多个目标函数,最终产生一组满足约束条件的Pareto优化服务聚合流程集.理论分析和实验结果说明了算法的可行性和有效性.

基于梯度的改进动态Web服务选择算法

随着Web2.0的迅速发展,互联网上发布的Web服务越来越多,不同服务供应商提供的服务通过整合以提供功能更强大的组合服务。每个服务节点上功能相似的Web服务的QoS(quality of service)不同,因此,QoS全局最优动态Web服务选择成为了服务组合中的一大挑战。在传统的粒子群优化算法的基础上引入梯度的思想,文中设计了一种用于解决动态Web服务选择问题的改进算法gPSO-GODSS。将问题抽象为带QoS约束的多目标组合优化问题,并进一步将其向单目标转化。利用梯度的方法改进粒子群算法的更新速度,从而改进算法的收敛速度,最终产生一组满足约束条件的优化服务组合流程集。理论分析和实验结果证明了该算法的可行性和有效性,且gPSO-GODSS算法收敛的执行效率和收敛速度均优于已有的PSO-GODSS算法。