基于遗传算法的Web服务组合优化

近年来国内外学术界和行业界围绕着Web服务组合开展了大量的研究工作,这些研究都把重点放在Web服务组合功能的实施上,而对组合服务质量的研究甚少.在建立Web服务组合优化模型的基础上,将遗传算法引入到Web服务组合中去,提出了基于遗传算法的Web服务组合的优化方法,给出了构建基于遗传算法的Web服务组合模型和求解方法,从而可以提高组合服务的质量,并能够使Web服务组合满足个性化需求.     

基于遗传算法Web服务组合的一般过程

在以服务为主体的互联网下,单一的服务已经远远不能满足人们的需求。将多个服务组合来满足需求成为研究的重点。文章在研究现有方法的基础上,总结出此类问题的一般思路,并介绍每个环节中的各个方法,而后对各种方法进行对比。最后为今后的研究做出展望。     

基于改进遗传算法的QoS感知Web服务组合

传统遗传算法在种群初始化的时候,普遍采用均匀取种法或随机取种法,这些方法生成的种群的平均适应度比较低,难以保证算法的搜索效率。文中提出一种改进的遗传算法用于QoS敏感的Web服务组合,采用两种不同的算法进行服务选择,避免了随机生成初始种群给算法带来的负面影响。并且,该算法将路径模板化以减少服务组合的工作量,用染色体可变长的编码方式来解决组合服务的多路径选择问题。通过仿真实验,与传统的算法相比,所提出的算法在实现服务组合时收敛更快,最优解的适应度更高。     

基于改进遗传算法的 QoS 感知 Web 服务组合

传统遗传算法在种群初始化的时候,普遍采用均匀取种法或随机取种法,这些方法生成的种群的平均适应度比较低,难以保证算法的搜索效率.文中提出一种改进的遗传算法用于 QoS 敏感的 Web 服务组合,采用两种不同的算法进行服务选择,避免了随机生成初始种群给算法带来的负面影响.并且,该算法将路径模板化以减少服务组合的工作量,用染色体可变长的编码方式来解决组合服务的多路径选择问题.通过仿真实验,与传统的算法相比,所提出的算法在实现服务组合时收敛更快,最优解的适应度更高     

Web服务组合中基于 QoS的改进型遗传算法 *

提出了一种在 Web服务组合中基于 QoS的改进型遗传算法。该算法通过计算个体间服务质量的海明距离提高了服务组合的质量 ;通过指定用户总时间限制和实施优良解保留策略解决了算法运行时间对服务质量的影响问题。实验结果表明了算法的有效性。     

基于改进遗传算法的Web服务优化组合研究

为了获得更优的Web服务优化组合方案,提出一种基于改进遗传算法的Web服务优化组合方法。首先将Web服务组合优化方案的可行解看作遗传算法的个体。然后通过遗传算法模拟自然界的生物进化过程,找到Web服务组合的最优解,同时在标准遗传算法引入多尺度交叉算子和信息共享因子,提高问题的求解速度。最后进行仿真对比实验。结果表明,改进遗传算法可以快速、准确找到Web服务组合问题的最优解,为解决Web服务组合问题提出了一种新的解决思路。     

基于动态QoS的Web服务组合

在Web服务组合中,现行的几种QoS衡量标准都将重点放在单个Web服务本身的质量上,而忽视了Web服务动态特性、组合特性以及服务组合中的网络特性。另外,在诸多服务组合的算法中,都只是强调组合服务的总体质量,却忽略了用户对某些质量属性的约束条件,从而导致服务重计算问题经常发生。为此,考虑了服务动态特性以及服务间的协作关系对组合服务质量的影响,提出了动态QoS模型;同时,综合了用户的质量约束以及组合服务的整体质量,将用户的质量约束引入服务组合流程中。最后通过实验证实了所提出的动态QoS模型能够根据服务实体的实时情况计算服务质量,同时将用户的质量约束引入服务组合流程中,有效地避免了服务重计算问题。     

Web服务组合方法综述

Web服务组合通过重用已有的Web服务满足用户高质量的应用需求,是面向服务架构研究领域的热点问题。该文对当前Web服务组合的研究现状进行了综述,分析了WSC的概念和实现框架。根据研究侧重点及其依赖的技术基础,将WSC方法归为两大类别——基于工作流、状态演算和进程代数模型描述的过程驱动的组合方法和基于语义描述的自动服务组合方法。对WSC的评价模型及其研究与应用中所面临的挑战进行了论述。     

基于树型编码遗传算法的Web服务组合

提出一种基于QoS的Web服务组合的遗传算法(TGA).该算法采用树型编码,携带流程的静态模型结构信息,可实现染色体的自动编解码和存储适应值计算的中间结果.通过仿真实验,验证了在同等优化效果下,TGA比一维编码遗传算法获得更快的速度.     

基于QoS的Web组合服务绑定技术的研究

如何选择最佳服务是Web服务组合研究领域的重要问题之一.目前工业界和学术界在绑定目标服务时非常关注组合服务的功能匹配,而忽略了非功能属性对组合效果的影响.采用遗传算法优化Web服务QoS(Quality of Service),提出在组合服务实时运行过程中基于QoS进行动态绑定和再绑定的方法,并给出了具体的实施方案.实验显示它可以大大提高Web服务动态组合的运行效率.     

基于免疫遗传算法的多维多层关联规则挖掘

提出一种基于免疫遗传算法的多维多层关联规则挖掘算法。免疫遗传算法具有很好的鲁棒性及全局搜索能力,能快速有效地进行全局优化搜索。针对现有多维多层关联规则挖掘中存在阈值定义不合理的缺点,依据多维和多层数据的共同特点,给出一种启发式的阈值自定义方式,结合免疫遗传算法提高挖掘效率和结果的准确性。结果表明,挖掘效率和质量有明显提高。     

基于QoS多属性决策的Web服务组合优化方法

从海量候选服务组合计划中选择具有最优/满意服务质量( QoS)的计划,即基于QoS的Web服务组合,是面向服务计算的难题之一。为此,将该问题建模为多属性决策问题,同时针对传统多属性决策方法难以处理海量搜索空间的问题,提出一种结合折中比例法和遗传算法的新型智能进化算法( GACRM )。 GACRM结合了折中比例法的方案排序优势和遗传算法高效的全局搜索能力,能够从海量搜索空间中快速找到全局近似最优解。实验结果表明,该算法不仅能够高效地产生与折中比例法接近的最优方案排序,且在解决大规模Web服务组合问题上具有良好的可伸缩性。     

基于免疫遗传算法的粗糙集属性约简算法

属性约简是粗糙集理论中一个重要的研究课题,为了有效获取属性最小相对约简,提出了一种基于免疫遗传算法的粗糙集属性约简算法。该算法将免疫算法和遗传算法结合,并将核引入免疫遗传算法的初始抗体群来提高算法的性能,依照决策属性对条件属性的依赖度,并结合抗体浓度,能维持进化过程中个体的多样性,从而提高了算法的全局搜索能力,避免陷入局部最优。实验证明该算法能够快速得到相对最小约简。     

求解最大团问题的均匀设计抽样免疫遗传算法

针对遗传算法在最大团求解中保持群体多样性能力不足、早熟、耗时长、成功率低等缺陷,依据均匀设计抽样理论对交叉操作进行重新设计,结合免疫机理定义染色体浓度设计克隆选择策略,提出求解最大团问题的均匀设计抽样免疫遗传算法。仿真算例表明,该算法在解的质量、收敛速度等各项指标上均有提高,与DLS-MC、QUALEX等经典搜索算法相比,对部分算例能得到更好解。     

蚁群算法在Web服务组合中的应用

为了在服务组合过程中高效地发现、选择满足用户要求的Web服务,提出基于蚁群算法的多目标优化组合用以实现用户对组合服务质量的需求。该方法根据不同Web服务的QoS属性指标,选择相应的Web服务得到Pareto最优解集合,用户根据实际需要或对目标函数的偏好,从Pareto最优解集中挑选一个或多个解作为组合服务质量问题的最优解,从而形成最后的决策方案。从理论和实验2个方面与相关研究成果进行分析比较。     

一种基于定理证明的Web服务合成方法研究

随着Internet中Web服务的不断增长,如何通过对现存的服务进行合成,以满足用户的个性化需求,成为目前的研究热点。通过引入线性逻辑工具,提出了一种新的Web服务合成解决方案,通过定理证明形成对应的自动服务合成流程。示例证明了该方法的有效性。     

基于Active XML的动态Web服务组合实现

随着Web服务应用的发展,大量存在的应用服务之间需要解决共享和交互,动态Web服务组合为解决信息共享和应用协作的瓶颈问题提供了新的方案。该文通过引入Active XML（AXML）,扩展Web服务,提出了一个基于Active XML的动态Web服务组合框架,在此基础上实现了一个动态服务体系结构。该体系结构支持组合服务的即时生成以及在动态环境中的快速部署和发布。     

模型驱动的Web服务合成

随着已有Web服务数量的不断增加,如何利用现有的Web服务创建新的更复杂的Web服务成为一项新的研究课题。该文提出了MDA模型转换驱动的合成Web服务开发方法,针对Web合成的静态建模部分,提出了建立Web服务静态结构平台无关和平台相关模型的方法,给出了二者之间的转换规则。     

基于遗传模拟退火算法的门阵列布局方法

为实现门阵列模式布局,将遗传算法与模拟退火算法相结合,提出一种新的遗传模拟退火算法,利用遗传算法进行全局搜索,利用模拟退火法进行局部搜索,在进化过程中采用精英保留策略,对进化结果进行有选择的模拟退火操作,既加强了局部搜索能力又防止陷入局部最优。实验结果表明,与传统遗传算法相比,该算法能够有效提高全局搜索能力。