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...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。展开更多
文摘随着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。
