基于多目标蚁群优化的知识即服务动态组合策略.pdfVIP

华南理工大学学报(自然科学版) JournalofSouthChina of V01．40 第40卷第6期 UniversityTechnology No．6 Science June2012 2012年6月 (Natural Edition) 基于多目标蚁群优化的知识即服务动态组合策略术 贾瑞玉1 伍章俊2 张以文1’2 (1．安徽大学计算机科学与技术学院，安徽合肥230039；2．合肥工业大学管理学院，安徽合肥230009) 摘要：为了以Web服务方式实现云计算环境下的知识共享和知识融合，提出了一种基 于多目标蚁群优化的知识即服务组合策略．该策略中，结合云计算环境的动态性和知识即 服务的质量规则，从知识服务提供者的角度构建了知识即服务动态组合模型；同时，为了 利用问题的特征信息引导蚂蚁的搜索行为，设计了蚁群算法相应的信息素和启发信息，从 而实现多目标优化．在云计算平台下使用真实的Web服务实例进行仿真实验，将该策略 与基于遗传算法和协同进化算法的策略进行比较，结果表明，文中策略的性能和解的质量 均明显较优． 关键阋：云计算；多目标蚁群优化；知识即服务 中图分类号：TP301．6 知识管理就是运用集体的智慧提高组织的应变 识的融合，并将融合结果返回给知识消费者；(3)知 能力和创新能力，通过对知识进行抽取、存储、检索 识服务提供者发起针对知识消费者请求的知识发现 和融合，为企业实现显性知识和隐形知识共享以及 过程，往往是对海量数据的挖掘过程．因此，从知识 创新提供新途径¨。1．云计算(CloudComputing)是服务提供者角度看，知识服务的过程就是知识即服 在互联网基础上建立的新型网络服务环境，能够通 务组件动态组合和执行的过程．考虑知识服务的服 过较少的交互，实现服务资源的快速定制与释放．云 务质量规则，云计算环境下知识即服务的动态组合 计算环境的按需服务、快速灵活、通用性等特点，为 本质上是多目标优化的问题旧。’． 知识管理和知识创新应用提供了良好的可用性和可 蚁群算法(ACO)已经被证明可以很好解决这 伸缩性旧J．随着云计算理论和实践的不断发展，运 类问题．文献[8]提出一种用来求解带有约束条件 用云计算环境进行知识管理、提高组织的应变能力 的多目标函数优化问题的蚁群算法——保存当前发 和创新能力会逐步成为现实，知识管理内容会越来 现的所有非支配解，利用非支配解指导蚂蚁寻优散 越丰富． 布较为稀疏的区域，从而提高解的分布性能：文献[9] a8a 针对多目标优化问题的特性，综合考虑解的被支配 知识即服务(KnowledgeService，KaaS)以 Web知识服务动态组合方式实现知识融合和知识 度和分散度，提出一种启发式规则，用于评价蚂蚁寻 共享，是知识管理领域的软件即服务HJ．云计算环 觅的食物源的优劣；文献[10]根据所求问题的特点 境下，知识消费者在发起知识服务请求时，知识服务 提出了蚂蚁的两种行进策略，改进了信息素的更新 提供者有3种响应方式恬1：(1)在某一个知识服务方式，使得算法在保持帕雷托(Pareto)解集的多样 库中检索，将检索结果返回知识消费者；(2)知识服 性的同时，又能快速得到帕雷托前沿． 务提供者发起与其他知识服务提供者交互，实现知 但是这些算法存在收敛较慢、解的质量不高等 收稿日期：201I-12-11 科学重点项目(KJ201lA006) 第6期 贾瑞玉等：基于多目标蚁群优化的知识即服务动态组合