基于蚁群算法web服务选择

《基于蚁群算法web服务选择》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于蚁群算法Web服务选择摘要：Web服务组合是为Web用户提供高质量、个性化服务的主要手段，而Web服务选择是进行组合的前提和基础。阐述了蚁群算法的原理，分析了Web服务选择的模型，把蚁群算法引入Web服务选择领域，将基于QoS的Web服务选择问题转化为最优路径选择问题。给出了使用蚁群算法解决Web服务选择问题的实施步骤，对比分析了蚁群算法在不同参数下对服务选择正确率的影响，通过具体的场景测试了蚁群算法对于解决Web服务选择问题的有效性。关键词：蚁群算法；群智能；Web服务选择；服务质量中图分类号：TN911?

2、34；TP393文献标识码：A文章编号：10047373X(2013)12?0009?030引言如何满足服务请求者的个性化和多样化的要求，而又能高效合理的利用网络资源，这是Web服务组合研究的重点问题。网络上的Web服务种类和数目繁多，不免会出现功能重叠的情况，基于服务质量(QualityofService,QoS)的Web服务选择不失为一种行之有效的解决方法。与此同时引入智能搜索算法寻找最佳组合方案，能够使Web服务组合过程更为高效合理。文献［1］将QoS引入Web服务领域，用Web服务的QoS属性来区别功能相

3、近的Web服务；文献［2］和文献［3］统一定义了Web服务的QoS属性；文献［4］考虑到QoS属性之间的独立性和量纲不统一的问题，给出了一种基于分型理论和多目标决策理论的服务选择算法；文献［5］提出一种动态选择算法，利用遗传算法的智能进化原理来进行服务选择，但是其编码模型在面对较大规模的Web服务时，选择性能较差；文献［6］提出了遗传算法解决Web服务选择问题的二次编码模型，克服了一维编码方式的局限性，但性能改善有限并可能陷入局部最优；文献［7］在遗传算法的基础上采用矩阵编码的方式，提出一种QoS感知的Web服务

4、选择算法。本文在以上研究的基础上，考虑到蚁群算法的群智能性和正反馈机制，将蚁群算法引入Web服务选择领域，将Web服务的选择问题转化为寻找从起始功能服务到终止功能服务的最优路径问题。文章介绍了蚁群算法的起源和基本思想，阐述了基于蚁群算法的Web服务选择问题描述，给出基于蚁群算法的Web服务选择算法的实施步骤，并通过具体场景测试蚁群算法对于解决Web服务选择问题的有效性。1基于QoS的Web服务选择模型本文用一个顺序流程的场景来描述一般Web服务选择问题。若一个Web服务由M个不同功能的原子服务组成，每个服务又包含

5、N个功能相同或相似的原子服务，称为候选服务,但他们的非功能属性，即QoS属性是各不相同的，基于QoS属性，择优取一，那么存在的可行解就有Nm个。基于实际情况，本文将响应时间(Time),价格(Price),可靠性(Availablity)这三个QoS指标作为描述服务的非功能属性。基于QoS的Web服务选择就是要根据用户提出的QoS请求，作为约束条件，在可行解中找到最优解。这样就将服务选择问题转化为了多目标决策问题，从而使用智能搜索算法来解决。2蚁群算法介绍2.1蚁群算法源起受自然界中真实蚁群集体行为的启发，意大利

6、学者Dorigo于1991年首次系统地提出了一种基于蚂蚁种群的新型优化算法一一蚁群算法[8],并用该方法解决了一系列组合优化问题，蚁群算法在解决这类问题中取得了较好的实验结果，开始被众多研究者应用到实际工程中。蚁群算法提出了人工蚂蚁和信息素的概念，自然界中的蚂蚁会在它们觅食的路径上留下信息素这种化学物质，影响和吸引其他蚂蚁。最终当觅食的蚂蚁数量足够多时，最优路径上的信息素浓度必然最高。据此可以找到蚂蚁觅食的最佳路径，即一般问题的最优解。2.2蚁群算法数学模型蚁群算法最常见的应用是用来解决旅行商问题(TSP)[9]

7、,本文即以此为例来介绍蚁群算法的数学模型。3Web服务选择的蚁群算法描述在第1节描述的Web服务选择模型中，若把起点作为蚁巢，结束点作为食物。那么寻找最佳组合方案的过程就对应于蚂蚁寻找食物的最佳路径的过程。蚂蚁的移动过程是蚁群算法解决Web服务选择问题的核心，根据蚁群算法的原理，结合Web服务选择模型，蚂蚁每经过一个服务类，在前往下一个服务类的过程中，需要计算蚂蚁由当前服务到下一个服务类中每一个服务的转移概率,这里使用式（1）确定转移概率，本文中采用轮盘赌算法作为选择算子确定蚂蚁的移动方向O4蚁群算法的服务选择流

8、程5模拟验证5.1蚁群算法参数对测试结果的影响5.2服务测试数据表2蚁群算法独立运行10次的结果在第6次测试中，进化值没有达到最优解，也未达到最大迭代次数，说明陷入了局部最优。导致该问题的原因可能是参数的设定还有待优化，或蚂蚁在位置移动时的选择算子不合适。由于蚁群算法的正反馈机制，随着迭代次数增加，会出现概率转移不均匀，从而使算法陷入局部最优。本文阐述了蚁群算法的基本原理