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.docVIP

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 　　摘要：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。 　　关键词：Web服务；服务组合技术；蚁群算法；Pareto最优解；局部优化 　　中图分类号： TP183 　　文献标志码：A 　　Improved ant colony optimization for QoSbased Web service composition optimization 　　NI Zhiwei1，2， FANG Qinghua1，2*， LI Rongrong1，2， LI Yiming1，2 　　1.School of Management， Hefei University of Technology， Hefei Anhui 230009， China 　　； 　　2.Key Laboratory of Process Optimization and Intelligent Decisionmaking， Ministry of Education （Hefei University of Technology）， Hefei Anhui 230009， China 　　Abstract： 　　The basic Ant Colony Optimization （ACO） has slow searching speed at prior period and being easy to fall into local optimum at later period. To overcome these shortcomings， the initial pheromone distribution strategy and local optimization strategy were proposed， and a new pheromone updating rule was put forward to strengthen the effective accumulation of pheromone. The improved ACO was used in QoSbased Web service composition optimization problem， and the feasibility and effectiveness of it was verified on QWS2.0 dataset. The experimental results show that， compared with the basic ACO， the improved ACO which updates the pheromone with the distance of the solution and the ideal solution， and the improved genetic algorithm which introduces individual domination strength into the environment selection， the proposed ACO can find more Pareto solutions， and has stronger optimizing capacity and stable performance. 　　Key words： 　　Web service； service composition technique； Ant Colony Optimization （ACO）； Pareto optimal solution； local optimization 　　0引言 　　随着计算机应用的飞速发展，人们的研究重点已从网络层系统互联向应用层服务集成迁移，面向服务的新型计算模式――服务计算（service computing）也应运而生。作为面向服务的体系架构（Service Oriented Architecture，SOA）的一个重要拓展方向，Web服务技术也随之发展起来，并逐