基于改良蜂群算法的 Web 服务组合优化方法

来源：计算机技术与发展杂志2024年第03期北京时间：

作者：张志鹏;周井泉

单位：南京邮电大学 电子与光学工程学院、柔性电子(未来技术)学院,江苏 南京 210003 Author(s): ZHANG Zhi-peng;ZHOU Jing-quan School of Electronics and Optical Engineering,School of Flexible Electronics ( Future Technology) ,Nanjing University of Posts and Telecommunications,Nanjing 210003,China 关键词: 云计算;Web 服务组合;蜂群算法;QoS 属性;混沌映射 Keywords: cloud computing;Web service composition;bee colony algorithm;QoS attribute;chaos mapping 分类号: TP301 DOI: 10. 3969 / j. issn. 1673-629X. 2024. 03. 010 摘要: 为提高 Web 组合优化算法的开发能力和运行结果的适应度、稳定性,以满足用户对 Web 服务的服务质量( Qualityof Service,QoS) 需求,提出了一种基于 QoS 模型和改良蜂群算法( modified Artificial Bee Colony,mABC) 的 Web 服务组合优化方法。 构建应用于 Web 服务组合优化问题的 QoS 顺序数学模型,使用基于混沌的对立学习方法,在进程运行的初始化阶段生成更好的初始群体,在蜂群算法的雇佣蜂阶段和围观蜂阶段使用新的相位搜索方程和围观搜索策略,有效地提高蜂群算法的 探 测 能 力 和 开 发 能 力。 将改良蜂群算法与 人 工蜂群算法 ( Artificial Bee Colony, ABC )、 差 分 进 化 算 法(Differential Evolution,DE) 、改进灰狼优化算法( Modified Grey Wolf Optimizer,MGWO) 、最优导向人工蜂群算法( Guided -best Artificial Bee Colony,GABC) 和改进人工蜂群算法(Improved Artificial Bee Colony, IABC) 进行了多次对比实验。 实验结果表明,改良蜂群算法尽管在执行时间方面比其余算法都要略微长一些,但它在更为重要的适应度、稳定性方面都优于其余几种对比算法。

摘要：为提高 Web 组合优化算法的开发能力和运行结果的适应度、稳定性,以满足用户对 Web 服务的服务质量( Qualityof Service,QoS) 需求,提出了一种基于 QoS 模型和改良蜂群算法( modified Artificial Bee Colony,mABC) 的 Web 服务组合优化方法。 构建应用于 Web 服务组合优化问题的 QoS 顺序数学模型,使用基于混沌的对立学习方法,在进程运行的初始化阶段生成更好的初始群体,在蜂群算法的雇佣蜂阶段和围观蜂阶段使用新的相位搜索方程和围观搜索策略,有效地提高蜂群算法的 探 测 能 力 和 开 发 能 力。 将改良蜂群算法与 人 工蜂群算法 ( Artificial Bee Colony, ABC )、 差 分 进 化 算 法(Differential Evolution,DE) 、改进灰狼优化算法( Modified Grey Wolf Optimizer,MGWO) 、最优导向人工蜂群算法( Guided -best Artificial Bee Colony,GABC) 和改进人工蜂群算法(Improved Artificial Bee Colony, IABC) 进行了多次对比实验。 实验结果表明,改良蜂群算法尽管在执行时间方面比其余算法都要略微长一些,但它在更为重要的适应度、稳定性方面都优于其余几种对比算法。

关键词：云计算;Web 服务组合;蜂群算法;QoS 属性;混沌映射