基于改进BPSO算法的Web服务选择研究

论文摘要

随着Web服务在网络上的广泛应用，单个Web服务的功能已经不能满足用户（服务请求者）的复杂需求，这时就需要对单个Web服务进行组合，以便产生满足用户需求的、新的、功能更强大的组合服务。然而面向网络上出现与日剧增的具有相同或相似功能不同服务质量的Web服务，用户对服务的功能、服务的个性化、服务质量要求越来越高，因此如何在大量的这些Web服务中，选择一组服务，使得所有组合出的服务具有最好的质量，用户满意度最高，成为Web服务组合的重要问题。现有的基于功能性的Web服务选择技术已经无法解决这一问题，因此基于服务质量(QoS)对Web服务组合进行选择的技术已成为当今工业界和学术界共同关注的焦点。本文针对现有粒子群算法容易陷入局部最优、“早熟“的缺点，提出了一种改进的离散二进制粒子群算法(BPSO)，并应用该算法来求解基于服务质量QoS约束的复杂Web服务的服务组合选择问题。首先介绍Web服务的概念、特点、体系结构、Web服务组合等相关技术，对目前出现的Web服务组合选择的算法存在的优缺点做了详细的分析。给出具体QoS属性的含义，深入研究了Web服务的服务质量(QoS)量化处理技术以及基于服务质量约束的Web服务组合算法，提出一种基于多维服务质量的服务选择模型，定义了一套服务质量效用评价函数，从多属性角度出发，根据用户的应用环境和个人偏好来设置QoS属性约束，使选择出服务组合更加符合用户的需求。其次，考虑到基于QoS的Web服务组合选择问题属于NP难问题，在分析粒子群算法的原理以及优缺点的基础上，引入了一种自适应变异算子，在算法迭代过程中加入变异操作，并根据种群适应度方差值自适应地调整变异概率的大小，增加粒子的多样性并保证最优解在可行解区域内；使用线性递减的惯性权重，增强算法的全局寻优能力；采用贪心策略对不可行粒子进行修正调整。最后对改进的BPSO算法求解基于QoS的Web服务选择问题进行了大量的仿真实验，并和遗传算法求解做了比较，验证了算法的有效性，结果表明算法在求解速度和平均适应度具有较大的优越性。

论文目录

• 摘要
• Abstract
• 目录
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 研究背景
• 1.2 研究内容和研究现状
• 1.3 本文研究工作
• 1.4 论文研究内容和组织结构
• 第2章 Web 服务相关技术概述
• 2.1 Web 服务定义
• 2.2 Web 服务的体系结构
• 2.3 Web 服务组合
• 2.4 小结
• 第3章 基于 QoS 的 Web 服务选择算法
• 3.1 Web 服务的 QoS 技术
• 3.1.1 Web 服务 QoS 属性定义
• 3.2 基本服务 QoS 模型的计算
• 3.3 组合服务 QoS 模型的计算
• 3.4 小结
• 第4章 改进的粒子群算法
• 4.1 粒子群算法概述
• 4.1.1 粒子群算法
• 4.1.2 粒子群算法描述
• 4.1.3 粒子群算法分析
• 4.2 二进制粒子群算法
• 4.3 改进的 BPSO 算法求解 Web 服务选择
• 4.3.1 目标函数的设计
• 4.3.2 粒子编码及初始粒子种群生成策略
• 4.3.3 线性递减惯性权重
• 4.3.4 粒子的自适应变异策略
• 4.3.5 粒子位置的贪心修正
• 4.4 算法步骤
• 4.5 小结
• 第5章 实验结论及分析
• 5.1 实验条件和要求
• 5.2 算法有效性
• 5.3 运行时间对比
• 5.4 平均适应度对比
• 5.5 小结
• 结论
• 参考文献
• 附录A 攻读硕士期间所发表的学术论文
• 致谢