[发明专利]基于IFPA算法的Web服务组合方法

说明书

本发明公开了基于IFPA算法的Web服务组合方法，该算法将FPA算法和DE算法进行混合，将DE算法的变异和交换操作加入FPA算法的寻优过程。该算法保留了FPA算法平衡全局搜索和局部搜索的特性，同时继承了DE算法较好的寻优能力，最后借助贪心策略提升算法的收敛速度，提升服务组合问题的求解速度和精度。本发明在服务组合问题上具有更快的收敛性能和更好的寻优能力，从而能够从大量的Web候选服务中选择最合适的源自服务进行组合重用，提高组合服务的适用性和有效性。有一定的实际意义。

技术领域

本发明涉及人工智能技术领域，具体是基于IFPA算法的Web服务组合方法。

背景技术

随着面向服务计算和面向服务体系架构的不断推广和应用，促进了Web服务的繁荣发展。Web服务具有完全开放、松散耦合、标准协议和高度可集成等特征，Web服务技术基于开放的可扩展标记语言定义的服务，能够克服平台依赖，重用组合服务来节省资源和时间，创新服务，满足用户需求变更。随着大数据时代的到来，Web服务的数量剧增，涌现出很多功能相同，但非功能属性，即服务质量(Quality of Services，QoS)不同的服务。如何在不同QoS的候选服务集合已知的情况下，高效率实现服务选择和服务组合，使得组合服务能够满足客户的功能和非功能需求，这是一个典型的NP难题。

针对基于QoS感知的Web服务组合问题，国内外学者提出了各种智能优化算法处理Web服务组合问题，获得最佳服务组合。其中包括遗传算法、粒子群算法、花朵授粉算法和差分进化算法等等，这些智能优化算法通过迭代更新、添加变异算子、追踪历史信息等方式实现Web服务组合的全局优化。

这些智能算法通常都是受人类智能、生物群体社会性或自然现象规律启发而来。其中，遗传算法(Genetic Algorithm，GA)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法通过复制、交叉、变异将问题解编码表示的“染色体”群一代代不断进化，最终收敛到最适应的群体，从而求得问题的最优解或满意解。其优点是原理和操作简单、通用性强、不受限制条件的约束，且具有隐含并行性和全局解搜索能力，在组合优化问题中得到广泛应用。花朵授粉算法(Flower Pollination Algorithm，FPA)是对自然界花朵自花授粉、异花授粉的模拟，是一种新的元启发式群智能随机优化技术。通过转换概率，实现局部搜索和全局搜索的动态转换，平衡两者之间的关系。差分进化算法(Differential Evolution，DE)是通过群体内个体之间的相互合作与竞争产生的群体智能来指导优化搜索的方向。DE算法从一个随机产生的初始种群开始，通过把种群中任意两个个体的向量差与第三个个体求和来产生新个体，然后将新个体与当代种群中相应的个体相比较，如果新个体的适应度优于当前个体的适应度，则在下一代中就用新个体取代旧个体，否则仍保存旧个体。通过不断地进化，保留优良个体，淘汰劣质个体，引导搜索向最优解逼近。

以上三种智能算法具有良好的全局寻优能力，而且实现简单。但随着服务数量增多，这些算法的寻优性能就明显减弱，而且在一定时间内不能保证算法的收敛性，而且各个算法的寻优精度也明显下降，容易陷入局部最优，基本无法满足大规模的服务组合。

现有的大多数智能算法在解决Web服务组合优化问题仍然存在一些不足，不能在保证寻优能力的同时保证算法的收敛速度。在本发明中，IFPA将FPA和DE算法相混合，并用贪心策略提升算法收敛速度，与其他传统算法相比，具有更快的收敛速度和更好的寻优能力。

发明内容

本发明提供一种基于IFPA算法的Web服务组合方法，该方法在花朵授粉算法的基础上，通过DE算法的变异、交叉方式来保持种群的多样性，采取贪心策略择优选择方式来加快收敛，提升服务组合优化问题的求解速度和精度，提高服务组合的性能。如图1所示，本发明公开的基于IFPA算法的Web服务组合方法，包括以下步骤：