[发明专利]一种基于自我纠错机制粒子群优化算法的服务模式构建方法

说明书

本发明公开了一种基于自我纠错机制粒子群优化算法的服务模式构建方法，本发明首先根据历史服务组合方案利用大数据挖掘技术挖掘出服务模式，服务模式是满足客户历史需求方案频繁出现的局部服务流程，具有很高的共性，其具有很高的复用性，服务模式使用得当既可以保障客户新需求的个性化，又可以提高组合效率，然后针对客户需求的服务流程在已经挖掘的候选服务模式中去匹配相应的服务模式，然后针对剩下未被匹配的服务流程片段，采用改进后的粒子群优化算法去组合。服务模式+改进的粒子群优化算法的组合方式可以更好的发挥服务组合的效率。

技术领域

本发明涉及一种基于自我纠错机制粒子群优化算法的服务模式构建方法，属于服务计算技术领域。

背景技术

最初的服务选择是基于服务单元的选择，选择每个服务最优单元，而不考虑服务流程的整体最优。在此之后，基于服务流程的QoS(服务质量)整体感知的服务组合出现，QoS感知服务组合对所有服务单元的QoS属性进行聚合形成服务方案的整体QoS属性，考虑到服务流程整体最优，相比较基于服务单元的最优具有更好的效果。但是，目前基于QoS感知的服务组合算法容易陷入局部最优，而且目前的方案并没有考虑先验知识，每次针对一个服务组合问题执行动态即时的组合过程，其资源开销较大，组合效率较低，组合结果也不是很好。鉴于以上种种原因，本人发明了一种“基于自我纠错机制粒子群优化算法的服务模式的构建”，本发明首先根据服务的历史方案利用大数据挖掘技术挖掘出服务模式，服务模式是满足客户历史需求方案频繁出现的局部服务流程，具有很高的共性，其具有很高的复用性，服务模式使用得当既可以保障客户新需求的个性化，又可以提高组合效率。然后针对客户需求的服务流程在已经挖掘的候选服务模式中去匹配相应的服务模式，然后针对剩下没有被匹配的服务流程片段，采用改进后的粒子群优化算法去组合。服务模式+改进的粒子群优化算法的组合方式可以更好的发挥服务组合的效率。

发明内容

本发明首先根据服务的历史方案利用大数据挖掘技术挖掘出服务模式，服务模式是满足客户历史需求方案频繁出现的局部服务流程，具有很高的共性，其具有很高的复用性，服务模式使用得当既可以保障客户新需求的个性化，又可以提高组合效率。然后针对客户需求的服务流程在已经挖掘的候选服务模式中去匹配相应的服务模式，然后针对剩下没有被匹配的服务流程片段，采用改进后的粒子群优化算法去组合。服务模式+改进的粒子群优化算法的组合方式可以更好的发挥服务组合的效率。

本发明的技术方案是：一种基于自我纠错机制粒子群优化算法的服务模式构建方法，其特征在于：具体的算法流程如下所示：

Step1、使用频繁模式树挖掘算法FT-tree从服务方案历史记录中挖掘出服务模式集合SP＝{SP₁,SP₂,…,SP_n}；

Step2、首先对SP按照长度进行降序排序以提高匹配效率，然后使用服务模式匹配算法spMatching对服务流程SF在SP中匹配相应的模式；

Step3、筛选出未匹配的服务流程片段，使用改进的粒子群优化算法对未匹配的服务流程片段进行局部的服务组合。

进一步的，所述步骤Step2的具体步骤为：

Step2.1、对SP中的服务模式SP_i按照其长度进行排序；

Step2.2、按照排序后的SP，从前往后扫描服务模式对SF的片段进行匹配，即筛选出最长的一个服务模式对此片段匹配；

Step2.3、重复Step2.2对剩下的未匹配的SF片段进行匹配，直到无法匹配为止。

进一步的，所述步骤Step3的具体步骤为：

Step3.1：根据输入的SF选择相应的候选服务集群并按照SF中服务活动的顺序进行排序形成相应顺序的候选服务集群CSC。