共查询到20条相似文献,搜索用时 78 毫秒
1.
蚁群算法在Web服务组合问题中的应用研究 总被引:1,自引:0,他引:1
为了满足用户对较为复杂的Web服务请求的需求,就需要把多个原子服务以一定的方式组合起来,而每个原子服务如何选择就成为问题的关键.尝试使用蚁群算法,把组合服务问题转化为从起始点到目标点寻求一条QoS最优的路径问题.给出了组合服务问题的蚁群算法模型以及求解问题算法的伪代码,从而为解决组合服务问题提出了一种新的思路. 相似文献
2.
Web服务的服务质量是选择服务的重要因素,但求解最优服务的选择较为困难。本文基于多目标组合优化提出了一种服务选择方法,根据不同服务QoS属性指标选择得到非劣解集合,再由用户的效用函数评价用户满意度。这种选择方法可以推广到服务组合过程。 相似文献
3.
改进蚁群算法在基于服务质量的Web服务组合优化中的应用 总被引:2,自引:0,他引:2
为了克服基础蚁群算法存在的前期搜索速度较慢、后期极易陷入局部最优解的缺点,提出初始信息素分布策略和局部优化策略;同时还提出了依赖解的质量的信息素更新依据,以增强算法过程中信息素的有效积累。将该改进蚁群算法应用于基于服务质量(QoS)的Web服务组合优化问题中,通过在数据集QWS2.0上的实验对改进蚁群算法的可用性和有效性进行了验证。结果表明改进的蚁群算法与基础蚁群算法、利用解与理想解距离更新信息素的改进蚁群算法以及用支配程度作为解的个体评价的改进遗传算法相比,能够找到更多的非劣解,寻优能力更优,表现出了较稳定的性能。 相似文献
4.
5.
文章探讨了在P2P网络架构下怎样使用蚁群算法解决Web服务中的Peer间的通信和路由、服务注册和查找等问题。对比试验结果表明该文采用的蚁群算法在性能和收敛性速度上优于常规算法,可以有效利用P2P本身的优势高效地实现Web服务的集成及资源的自治问题。 相似文献
6.
7.
为了确保在服务组合中获得Pareto最优解集,把服务组合建模为多个服务质量属性同时优化的多目标优化问题,提出了一种依据服务质量属性类型的通用预处理方法,采用多个信息素表和单个启发式信息表的多目标蚁群算法,蚂蚁随机选择一种信息素表建构可行解,每个蚁群周期完成后所有信息素都会蒸发,但每个优化函数只有一个最优解获得信息素增加,经过多过蚁群周期后即可解获得最优解集.实验结果表明,该方法可为Web服务组合提供一种很好的优化方案,具有很高的准确率. 相似文献
8.
9.
蚁群算法是优化领域中新出现的一种启发式仿生类智能进化算法.利用WEB日志挖掘来解决用户如何访问网站,而采用传统的WEB日志挖掘方法很难准确地跟踪到用户的访问兴趣.本文将蚁群算法应用于WEB日志挖掘,从WEB日志中动态挖掘用户的访问模式. 相似文献
10.
在服务计算过程中,服务组合问题是其中关键的技术之一。在原子候选服务数目巨大的情况下,经典的算法一般都是寻找问题的最优解,存在运算量大,运行时间长的缺点,蚁群算法并不是寻找服务组合问题的最优解,而是得到用户能够认同的可行解。为了能够更有效的为用户提供各种服务,在静态的服务组合建立过程中,以服务发现的候选原子服务集合中的服... 相似文献
11.
12.
13.
14.
建立指派问题的数学模型,将其转化为旅行商问题,利用蚁群算法求解此问题。蚁群算法是一种解决组合优化问题的有效算法,但同样存在搜索速度慢,易于陷于局部最优的缺陷。该文提出一种具有动态信息素更新的蚁群算法,通过具体的算例分析,表明该算法比传统的蚁群算法有更快的收敛速度和较好的稳定性。 相似文献
15.
16.
17.
18.
19.
基于人工免疫算法和蚁群算法求解旅行商问题 总被引:3,自引:3,他引:0
人工免疫算法具有快速随机的全局搜索能力,但对于系统中的反馈信息利用不足,往往做大量无为的冗余迭代,求解效率低。蚁群算法具有分布式并行全局搜索能力,通过信息素的积累和更新收敛于最优路径上,但初期信息素匮乏,求解速度慢。该文提出一种基于人工免疫算法和蚁群算法的混合算法,采用人工免疫算法生成信息素分布,利用蚁群算法求优化解。将该算法用于求解旅行商问题进行计算机仿真,结果表明,该算法是一种收敛速度和寻优能力都比较好的优化方法。 相似文献
20.
由于传统蚁群算法搜索空间大,算法时间复杂度高等,导致基于传统蚁群算法的高光谱数据波段选择算法(ACA-BS)耗时长,算法效率低下,且易陷入局部最优。而多态蚁群算法能大大缩小算法的搜索空间,降低算法时间复杂度。因此,研究设计了基于多态蚁群算法的高光谱数据波段选择算法(PACA-BS)。从算法运行时间、波段子集的类别可分性及信息量、总体分类精度等方面对算法进行对比分析。用于实验的数据为Hyperion和AVIRIS高光谱影像。实验结果表明:PACA-BS的运行时间较ACA-BS大大减少;对Hyperion影像进行降维时,基于PACA-BS的运行时间约为ACA-BS的一半。两种算法获得的波段子集的类别可分性大小较为接近,但PACA-BS获得的波段子集的信息量和总体分类精度优于ACA-BS。研究表明PACA-BS是一种效率较高的高光谱波段选择算法。 相似文献