專利名稱：一種服務(wù)組合中基于閾值的動(dòng)態(tài)成員服務(wù)選擇方法
技術(shù)領(lǐng)域：
本發(fā)明涉及服務(wù)計(jì)算領(lǐng)域，針對(duì)的是服務(wù)組合中的成員服務(wù)選擇系統(tǒng)。
背景技術(shù)：
服務(wù)(Web服務(wù)或者網(wǎng)格服務(wù))組合研究如何把服務(wù)組合成為一個(gè)更大粒度 的服務(wù)，以供進(jìn)一步的組合或者直接供上層應(yīng)用和用戶使用。在Web或者網(wǎng)格 中存在大量的功能特性相同，非功能特性各異的服務(wù)，這樣的一類服務(wù)稱為服務(wù) 本體。為提高服務(wù)組合的適應(yīng)性，在定義組合服務(wù)時(shí)并不是直接綁定到具體服務(wù), 而是指明一個(gè)服務(wù)本體；在組合服務(wù)執(zhí)行時(shí)，由服務(wù)組合的執(zhí)行部件(如網(wǎng)格服 務(wù)組合執(zhí)行引擎)實(shí)現(xiàn)由服務(wù)本體到具體服務(wù)的綁定。在服務(wù)組合執(zhí)行部件實(shí)現(xiàn) 從服務(wù)本體到具體服務(wù)的綁定時(shí)，需要一種實(shí)現(xiàn)調(diào)度和綁定的依據(jù)，這種依據(jù)只
能來自服務(wù)的信任度、服務(wù)質(zhì)量等非功能特性。目前，國(guó)內(nèi)外有關(guān)成員服務(wù)選擇 的大多數(shù)技術(shù)方案都是基于服務(wù)質(zhì)量作為成員服務(wù)選擇的依據(jù)。
在實(shí)際的應(yīng)用中，服務(wù)組合技術(shù)是跨組織業(yè)務(wù)集成(如電子商務(wù)、電子政務(wù)) 的關(guān)鍵技術(shù)。對(duì)于電子商務(wù)的虛擬市場(chǎng)應(yīng)用模式，虛擬市場(chǎng)提供面向最終用戶的 電子商務(wù)應(yīng)用，以組合服務(wù)的形式提供； 一個(gè)組合服務(wù)聚合多個(gè)廠家提供的成員 服務(wù)(如預(yù)定機(jī)票服務(wù)、預(yù)定賓館服務(wù))。用戶總是希望在自己的一次交易過程 中，虛擬市場(chǎng)的組合服務(wù)能夠選擇優(yōu)質(zhì)的成員服務(wù)(如信任度高、響應(yīng)時(shí)間低、 花費(fèi)小)，但是當(dāng)所有的交易過程都集中在優(yōu)質(zhì)的成員服務(wù)時(shí)，成員服務(wù)提供的 服務(wù)質(zhì)量可能發(fā)生變化，成員服務(wù)可能限制提供服務(wù)的數(shù)量(如賓館提供固定數(shù) 量的預(yù)定房間，超過則拒絕服務(wù)，即存在提供服務(wù)的上限閾值)。針對(duì)此應(yīng)用場(chǎng) 景，需要設(shè)計(jì)一種組合服務(wù)中動(dòng)態(tài)的成員服務(wù)選擇方法，確保組合服務(wù)能夠提供 高質(zhì)量服務(wù)的同時(shí)，又不會(huì)在執(zhí)行過程中集中在少量成員服務(wù)上。
發(fā)明內(nèi)容
本發(fā)明的目的在于，通過提供一種服務(wù)組合中基于閾值的動(dòng)態(tài)成員服務(wù)選擇 方法，把信任度引入到服務(wù)組合中成員服務(wù)選擇中，作為成員服務(wù)選擇的依據(jù)， 利用蟻群系統(tǒng)提出了基于閾值的動(dòng)態(tài)成員服務(wù)選擇方法，確保組合服務(wù)能夠提供 高質(zhì)量服務(wù)的同時(shí)，又不會(huì)在執(zhí)行過程中集中在少量成員服務(wù)上。
本發(fā)明是采用以下技術(shù)手段實(shí)現(xiàn)的
(1) 信任度代表成員服務(wù)和組合服務(wù)的信任程度，對(duì)于成員服務(wù)來說， 信任度采用執(zhí)行成功率來計(jì)算；對(duì)于組合服務(wù)來說，信任度采用基于結(jié)構(gòu)分析的 方法計(jì)算。 一般情況下，信任度越高，表示服務(wù)越優(yōu)質(zhì)。
(2) 響應(yīng)時(shí)間代表成員服務(wù)和組合服務(wù)執(zhí)行一次所花費(fèi)的時(shí)間，對(duì)于成 員服務(wù)來說，響應(yīng)時(shí)間采用執(zhí)行結(jié)束時(shí)間和執(zhí)行開始時(shí)間的差值來計(jì)算；對(duì)于組 合服務(wù)來說，響應(yīng)時(shí)間采用基于結(jié)構(gòu)分析的方法計(jì)算。 一般情況下，響應(yīng)時(shí)間越 小，表示服務(wù)越優(yōu)質(zhì)。
(3) 花費(fèi)代表成員服務(wù)和組合服務(wù)執(zhí)行一次的費(fèi)用，對(duì)于成員服務(wù)來說， 花費(fèi)由服務(wù)提供者制定;對(duì)于組合服務(wù)來說，花費(fèi)采用基于結(jié)構(gòu)分析的方法計(jì)算。 一般情況下，花費(fèi)越小，表示服務(wù)越優(yōu)質(zhì)。
在Web服務(wù)和網(wǎng)格計(jì)算的應(yīng)用場(chǎng)景中，組合服務(wù)的執(zhí)行代價(jià)主要取決于其 成員服務(wù)的執(zhí)行代價(jià)，故組合服務(wù)的信任度和服務(wù)質(zhì)量決定于其所包含多個(gè)成員 服務(wù)的信任度和服務(wù)質(zhì)量這個(gè)假設(shè)是合理的。
通過信任度的估算算法和費(fèi)用、響應(yīng)時(shí)間的估算算法可以得出組合服務(wù)的信 任度、費(fèi)用、響應(yīng)時(shí)間與成員服務(wù)本體的信任度、費(fèi)用、響應(yīng)時(shí)間之間的函數(shù)關(guān) 系分別為,("，…，化，…,")、g(c,，…，c,，…，c")和伊(^…，《"."。(假定組合服務(wù)包 含"個(gè)成員服務(wù)本體)，其中^為第i個(gè)成員服務(wù)的信任度指標(biāo)值，c,.為第i個(gè)成 員服務(wù)的費(fèi)用指標(biāo)值，《為第i個(gè)成員服務(wù)的響應(yīng)時(shí)間指標(biāo)值。其中信任度為正 效應(yīng)參數(shù)，而費(fèi)用和響應(yīng)時(shí)間為負(fù)效應(yīng)參數(shù)，并分別滿足一定的約束，如 /^7V，g〈C，^^77,其中^，G"分別為信任度、費(fèi)用和響應(yīng)時(shí)間的常數(shù)。由此
可以得出服務(wù)組合選擇問題的數(shù)學(xué)模型為以下優(yōu)化問題 目標(biāo)-M"(g(q，.
."化,…，/r"》
,c,，…，c"))
,",，…，""))
限制條件:肌.."http:// ) >7>
-g(c,，.."c,，.,"c )<C
，" )< 77
本發(fā)明的技術(shù)方案如圖l所示。該方案以用戶對(duì)于組合服務(wù)的請(qǐng)求作為輸 入，計(jì)算機(jī)在接收到請(qǐng)求以后開始執(zhí)行，在執(zhí)行過程中完成組合服務(wù)中成員服務(wù)
的選擇過程。其方法步驟為首先，組合服務(wù)實(shí)例管理管理器創(chuàng)建并管理組合服 務(wù)實(shí)例；然后組合服務(wù)實(shí)例按照組合服務(wù)的定義開始執(zhí)行；在執(zhí)行開始階段，調(diào) 用成員服務(wù)選擇器按照選擇問題的數(shù)學(xué)模型，并選擇合適的成員服務(wù)；選擇完畢 以后，在組合服務(wù)實(shí)例的執(zhí)行過程中調(diào)用外界成員服務(wù)。本發(fā)明的特征在于成員 服務(wù)選擇器選擇成員服務(wù)的方法和過程，其關(guān)鍵特征在于基于提供服務(wù)的上限閾 值的狀態(tài)轉(zhuǎn)移規(guī)則。其方法步驟如下 1、選擇問題的模型建立；
圖2所示的組合服務(wù)中每一個(gè)具體服務(wù)都隸屬于某一個(gè)服務(wù)本體。不失一般 性，為敘述方便，假定每一個(gè)服務(wù)本體包含了 IO個(gè)具體服務(wù)，即圖2中包含了 20個(gè)服務(wù)本體和200個(gè)具體服務(wù)，對(duì)200個(gè)具體服務(wù)進(jìn)行了編號(hào)，如服務(wù)本體O 的10個(gè)具體服務(wù)的編號(hào)為{0-9}，而服務(wù)本體15的10個(gè)具體服務(wù)的編號(hào)為 {150-159},圖中方塊表示具體服務(wù)。
組合服務(wù)在執(zhí)行時(shí)狀態(tài)轉(zhuǎn)移發(fā)生在具體服務(wù)之間，而不是服務(wù)本體之間，但 是具體服務(wù)之間的狀態(tài)轉(zhuǎn)移需要服從服務(wù)本體之間的執(zhí)行約束。從起始具體服 務(wù)，經(jīng)歷一系列中間具體服務(wù)，最終達(dá)到終止具體服務(wù)，稱為一條執(zhí)行路徑， 0">100+110+50^60+70+80就是一條執(zhí)行路徑，如圖2中粗虛線所示。
信任感知的成員服務(wù)選擇問題轉(zhuǎn)換為在組合服務(wù)的有向圖表示中尋找一條 最優(yōu)路徑的問題。但是如果所有組合服務(wù)的執(zhí)行都經(jīng)過同一條執(zhí)行路徑，會(huì)導(dǎo)致 路徑中各個(gè)具體服務(wù)的服務(wù)質(zhì)量下降,本發(fā)明解決如何把對(duì)組合服務(wù)的請(qǐng)求動(dòng)態(tài)
7規(guī)劃到一系列的路徑中，既達(dá)到優(yōu)化的目的，又避免優(yōu)化路徑的擁塞。 2、成員服務(wù)選擇方法。 成員服務(wù)選擇方法的具體步驟如下
(1) 參數(shù)初始化設(shè)循環(huán)次數(shù)^=0，設(shè)置最大循環(huán)次數(shù)A^，將A/只
螞蟻至于起始服務(wù)上，初始化信息素初值r"0), Ar"f)=0;
(2) 乂 —乂+l;
(3) 螞蟻數(shù)目k—k+l;
(4) 依據(jù)禁忌表更新規(guī)則更新禁忌表；
禁忌表在選定下一個(gè)具體服務(wù)S時(shí)更新，在更新時(shí)遵循以下3條規(guī)則 規(guī)則一S加入禁忌表。
規(guī)則二與S同屬于一個(gè)服務(wù)本體的其他具體服務(wù)加入禁忌表。
規(guī)則三從S出發(fā)不存在一條可達(dá)的執(zhí)行路徑的具體服務(wù)加入禁忌表，從而
消除死節(jié)點(diǎn)。
(5) 依據(jù)狀態(tài)轉(zhuǎn)移規(guī)則選定下一個(gè)服務(wù)；
位于節(jié)點(diǎn)/的螞蟻依據(jù)下列規(guī)則來選擇節(jié)點(diǎn)/ : 如果《S"，有
Mcc(z^f *0,為's (0//0H^),測(cè)^m接路^fij的請(qǐng)求l^鰣閾使
其中《c
之間的隨機(jī)數(shù)，込c:[O,l]之間的常數(shù)，A(f)為轉(zhuǎn)移條件， // =4"為啟發(fā)函數(shù)，"為信息啟發(fā)式因子，-為期望啟發(fā)式因子， "http://ow;-^-to6w}， S為組合服務(wù)中所包含的所有具體服務(wù)的集合，toZw為螞 蟻搜索過程所產(chǎn)生的禁忌表，"為"http://0^^/中包含的具體服務(wù)的數(shù)量。
(6) 若有服務(wù)未搜索到，轉(zhuǎn)至(4),否則轉(zhuǎn)至(7);
(7) 依據(jù)信息素局部更新規(guī)則更新信息素；
否則，有
柳=Z w)、
o，否則對(duì)數(shù)學(xué)模型中多個(gè)優(yōu)化目標(biāo)進(jìn)行歸一化處理，定義為有向圖中兩個(gè)節(jié)點(diǎn)之間 的距離。
《=
^^^，若絲從i到J的直接路徑;
(oo,否則.
具有W個(gè)具體服務(wù)的組合服務(wù)模型中信息素的初始值^.(0)定義為 m、=_l_一 2iV
ry W — W墨l W-l — W-l W-l
乂-0 ,=0聲0
信息素采用如下的局部更新規(guī)則-
，AO = (l-i "， + i 、(0)
W為組合服務(wù)中具體服務(wù)的個(gè)數(shù)，M為螞蟻的個(gè)數(shù)，及為信息揮發(fā)系數(shù)且 及c[O，l).
(8) 若A:《M,清空禁忌表，轉(zhuǎn)至(3),否則轉(zhuǎn)至(9);
(9) 依據(jù)信息素全局更新規(guī)則更新信息素； 在蟻群完成一次迭代時(shí)，信息素采用如下的全局更新規(guī)則
fy(/ + W*M) = (l-i )*r^) + "Ar^)
M-l "0
△r/(f)=
^，若螞蟻k在本次迭代中經(jīng)過(i, j):
0,否則.
W為組合服務(wù)中具體服務(wù)的個(gè)數(shù)，M為螞蟻的個(gè)數(shù)，及為信息揮發(fā)系數(shù)且 i c [O,l) ， 4表示第A只螞蟻在本次迭代中所經(jīng)過執(zhí)行路徑的總長(zhǎng)度。
(10) 若iV^iV,,轉(zhuǎn)至(2)，否則結(jié)束。 本發(fā)明與現(xiàn)有技術(shù)相比，具有以下明顯的優(yōu)勢(shì)和有益效果
本發(fā)明可以很好地解決服務(wù)組合中動(dòng)態(tài)的成員服務(wù)選擇問題，具有較好的尋 優(yōu)效果。
本發(fā)明通過提供一種服務(wù)組合中基于閾值的動(dòng)態(tài)成員服務(wù)選擇方法，利用蟻群系統(tǒng)對(duì)于基于閾值的動(dòng)態(tài)成員服務(wù)進(jìn)行選擇，包括代表成員服務(wù)和組合服務(wù) 的信任程度、代表成員服務(wù)和組合服務(wù)執(zhí)行一次所使用的響應(yīng)時(shí)間、以及代表成 員服務(wù)和組合服務(wù)執(zhí)行一次的費(fèi)用；利用蟻群系統(tǒng)提出了基于閾值的動(dòng)態(tài)成員服 務(wù)選擇方法，確保組合服務(wù)能夠提供高質(zhì)量服務(wù)的同時(shí)，又不會(huì)在執(zhí)行過程中集 中在少量成員服務(wù)上，具有較好的尋優(yōu)效果。
圖1:本發(fā)明系統(tǒng)框圖2:本發(fā)明帶有具體服務(wù)的組合服務(wù)例子 圖3:本發(fā)明實(shí)施例結(jié)果圖。
具體實(shí)施例方式
根據(jù)圖1-圖2配置本發(fā)明的實(shí)施例。本發(fā)明中計(jì)算機(jī)為奔騰2以上CPU, 10G
以上硬盤，具有一般計(jì)算能力的普通臺(tái)式微機(jī)。
采用圖2所示的組合服務(wù)作為實(shí)驗(yàn)對(duì)象(具體服務(wù)數(shù)量^ = 200)，狀態(tài)轉(zhuǎn) 移規(guī)則中信息啟發(fā)式因子"=1，期望啟發(fā)式因子;5 = 2，信息素更新規(guī)則中信息 揮發(fā)系數(shù)為及-0.1,最大循環(huán)次數(shù)iV, -10， 7> = 0.6， C = 300 , 7V-100, 込=0.95。
在實(shí)驗(yàn)數(shù)據(jù)上，除具體服務(wù){(diào)0，100,110,50，60,70,80，120,130，150,140，180}設(shè)置 一組最優(yōu)參數(shù)(即服務(wù)的信任度、費(fèi)用和響應(yīng)時(shí)間比隨機(jī)生成的數(shù)據(jù)小一個(gè)數(shù)量 級(jí))，其余188個(gè)具體服務(wù)的信任度、費(fèi)用和響應(yīng)時(shí)間值均隨機(jī)生成。也就是說， 在圖2中存在兩條優(yōu)化路徑0+120+130+150+140+180今70">80 (路徑l) 和0—100+110->50+60->70+80 (路徑2)。
實(shí)施例的目的是在蟻群的一次執(zhí)行中，通過設(shè)置不同的螞蟻數(shù)量，觀察對(duì)螞 蟻經(jīng)過路徑的分布情況，從而確定它們的執(zhí)行效果。
各個(gè)具體服務(wù)提供服務(wù)的上限閾值設(shè)置如下服務(wù)0、 70、 80的閾值為20; 服務(wù)50、 60、 100、 110、 120、 130、 140、 150、 180的閾值為10;其他服務(wù)的 閾值隨機(jī)設(shè)置。進(jìn)行了6組實(shí)驗(yàn)，螞蟻數(shù)量M分別為5、 10、 15、 20、 25、 30.結(jié)果如圖3 所示。
從實(shí)施結(jié)果看，在螞蟻數(shù)量MS10的時(shí)候，還沒有達(dá)到路徑1中服務(wù)的閾 值，所以所有的螞蟻都經(jīng)過路徑l;在螞蟻數(shù)量10〈MS20的時(shí)候，路徑l已經(jīng) 達(dá)到飽和數(shù)量10，但是其余的螞蟻數(shù)量沒有達(dá)到路徑2中服務(wù)的閾值，所以所 有的螞蟻都經(jīng)過路徑1和路徑2;在螞蟻數(shù)量20Jfef 的時(shí)候，己經(jīng)超過了路徑l 和路徑2的飽和數(shù)量20，螞蟻開始經(jīng)過其他的路徑，而路徑1和路徑2維持飽 和數(shù)量不變。方法1在執(zhí)行路徑選擇上完全按照服務(wù)提供的上限閾值進(jìn)行，效果 很好。
權(quán)利要求
1、一種服務(wù)組合中基于閾值的動(dòng)態(tài)成員服務(wù)選擇方法，利用蟻群系統(tǒng)對(duì)于基于閾值的動(dòng)態(tài)成員服務(wù)進(jìn)行選擇，其特征在于包括代表成員服務(wù)和組合服務(wù)的信任程度、代表成員服務(wù)和組合服務(wù)執(zhí)行一次所使用的響應(yīng)時(shí)間、以及代表成員服務(wù)和組合服務(wù)執(zhí)行一次的費(fèi)用；所述的信任程度對(duì)于成員服務(wù)，采用執(zhí)行成功率計(jì)算；對(duì)于組合服務(wù)來說，信任度采用基于結(jié)構(gòu)分析的方法計(jì)算；所述的響應(yīng)時(shí)間采用執(zhí)行結(jié)束時(shí)間和執(zhí)行開始時(shí)間的差值計(jì)算；對(duì)于組合服務(wù)，響應(yīng)時(shí)間采用基于結(jié)構(gòu)分析的方法計(jì)算；所述的費(fèi)用，對(duì)于成員服務(wù)，由服務(wù)提供者制定；對(duì)于組合服務(wù)，采用基于結(jié)構(gòu)分析的方法計(jì)算；1.1.模型建立；組合服務(wù)中每一個(gè)具體服務(wù)都隸屬于某一個(gè)服務(wù)本體；組合服務(wù)在執(zhí)行時(shí)狀態(tài)轉(zhuǎn)移發(fā)生在具體服務(wù)之間，但是具體服務(wù)之間的狀態(tài)轉(zhuǎn)移需要服從服務(wù)本體之間的執(zhí)行約束；信任感知的成員服務(wù)選擇問題轉(zhuǎn)換為在組合服務(wù)中尋找一條最優(yōu)路徑；1.2.成員服務(wù)選擇方法；1.2.1參數(shù)初始化設(shè)循環(huán)次數(shù)Ns＝0，設(shè)置最大循環(huán)次數(shù) id="icf0001" file="A2009100898440002C1.tif" wi="9" he="4" top= "164" left = "134" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>將M只螞蟻至于起始服務(wù)上，初始化信息素初值τij(0)，Δτij(t)＝0；1.2.2.Ns←Ns+1；1.2.3螞蟻數(shù)目k←k+1；1.2.4.依據(jù)禁忌表在選定下一個(gè)具體服務(wù)s時(shí)更新規(guī)則更新禁忌表；依據(jù)狀態(tài)轉(zhuǎn)移規(guī)則選定下一個(gè)服務(wù)；位于節(jié)點(diǎn)i的螞蟻依據(jù)下列規(guī)則來選擇節(jié)點(diǎn)j如果q≤Q0，有否則，有其中<maths id="math0001" num="0001" ><math><![CDATA[ <mrow><mi>q</mi><mo>⋐</mo><mo>[</mo><mn>0,1</mn><mo>]</mo> </mrow>]]></math> id="icf0004" file="A2009100898440003C2.tif" wi="14" he="3" top= "61" left = "38" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths>之間的隨機(jī)數(shù)，<maths id="math0002" num="0002" ><math><![CDATA[ <mrow><msub> <mi>Q</mi> <mn>0</mn></msub><mo>⋐</mo><mo>[</mo><mn>0,1</mn><mo>]</mo> </mrow>]]></math> id="icf0005" file="A2009100898440003C3.tif" wi="16" he="4" top= "61" left = "84" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths>之間的常數(shù)，ρij(t)為轉(zhuǎn)移條件，<maths id="math0003" num="0003" ><math><![CDATA[ <mrow><msub> <mi>η</mi> <mi>ij</mi></msub><mo>=</mo><mfrac> <mn>1</mn> <msub><mi>d</mi><mi>ij</mi> </msub></mfrac> </mrow>]]></math> id="icf0006" file="A2009100898440003C4.tif" wi="13" he="10" top= "59" left = "163" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths>為啟發(fā)函數(shù)，α為信息啟發(fā)式因子，β為期望啟發(fā)式因子，allowed＝{S-tabu}，S為組合服務(wù)中所包含的所有具體服務(wù)的集合，tabu為螞蟻搜索過程所產(chǎn)生的禁忌表，n為allowed中包含的具體服務(wù)的數(shù)量；1.2.5.若有服務(wù)未搜索到，轉(zhuǎn)至步驟1.2.4，否則轉(zhuǎn)至步驟1.2.6；1.2.6.依據(jù)信息素局部更新規(guī)則更新信息素；對(duì)數(shù)學(xué)模型中多個(gè)優(yōu)化目標(biāo)進(jìn)行歸一化處理，定義為有向圖中兩個(gè)節(jié)點(diǎn)之間的距離；具有N個(gè)具體服務(wù)的組合服務(wù)模型中信息素的初始值τij(0)定義為<maths id="math0004" num="0004" ><math><![CDATA[ <mrow><msub> <mi>τ</mi> <mi>ij</mi></msub><mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo></mrow><mo>=</mo><mfrac> <mn>1</mn> <mrow><mn>0.5</mn><mo>*</mo><mi>N</mi><mo>*</mo><munderover> <mi>Σ</mi> <mrow><mi>i</mi><mo>=</mo><mn>0</mn> </mrow> <mrow><mi>N</mi><mo>-</mo><mn>1</mn> </mrow></munderover><munderover> <mi>Σ</mi> <mrow><mi>j</mi><mo>=</mo><mn>0</mn> </mrow> <mrow><mi>N</mi><mo>-</mo><mn>1</mn> </mrow></munderover><msub> <mi>d</mi> <mi>ij</mi></msub><mo>/</mo><msup> <mi>N</mi> <mn>2</mn></msup> </mrow></mfrac><mo>=</mo><mfrac> <mrow><mn>2</mn><mi>N</mi> </mrow> <mrow><munderover> <mi>Σ</mi> <mrow><mi>i</mi><mo>=</mo><mn>0</mn> </mrow> <mrow><mi>N</mi><mo>-</mo><mn>1</mn> </mrow></munderover><munderover> <mi>Σ</mi> <mrow><mi>j</mi><mo>=</mo><mn>0</mn> </mrow> <mrow><mi>N</mi><mo>-</mo><mn>1</mn> </mrow></munderover><msub> <mi>d</mi> <mi>ij</mi></msub> </mrow></mfrac> </mrow>]]></math></maths>信息素采用如下的局部更新規(guī)則τij(t+N)＝(1-R)*τij(t)+R*τij(0)N為組合服務(wù)中具體服務(wù)的個(gè)數(shù)，M為螞蟻的個(gè)數(shù)，R為信息揮發(fā)系數(shù)且<maths id="math0005" num="0005" ><math><![CDATA[ <mrow><mi>R</mi><mo>⋐</mo><mo>[</mo><mn>0,1</mn><mo>)</mo><mo>.</mo> </mrow>]]></math> id="icf0009" file="A2009100898440003C7.tif" wi="16" he="4" top= "193" left = "167" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths>1.2.7.若k≤M，清空禁忌表，轉(zhuǎn)至1.2.3，否則轉(zhuǎn)至1.2.8；1.2.8.依據(jù)信息素全局更新規(guī)則更新信息素；在蟻群完成一次迭代時(shí)，信息素采用如下的全局更新規(guī)則τij(t+N*M)＝(1-R)*τij(t)+R*Δτij(t)其中<maths id="math0006" num="0006" ><math><![CDATA[ <mrow><mi>Δ</mi><msub> <mi>τ</mi> <mi>ij</mi></msub><mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo></mrow><mo>=</mo><munderover> <mi>Σ</mi> <mrow><mi>k</mi><mo>=</mo><mn>0</mn> </mrow> <mrow><mi>M</mi><mo>-</mo><mn>1</mn> </mrow></munderover><mi>Δ</mi><msup> <msub><mi>τ</mi><mi>ij</mi> </msub> <mi>k</mi></msup><mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo></mrow> </mrow>]]></math> id="icf0010" file="A2009100898440003C8.tif" wi="33" he="10" top= "238" left = "40" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths>N為組合服務(wù)中具體服務(wù)的個(gè)數(shù)，M為螞蟻的個(gè)數(shù)，R為信息揮發(fā)系數(shù)且<maths id="math0007" num="0007" ><math><![CDATA[ <mrow><mi>R</mi><mo>⋐</mo><mo>[</mo><mn>0,1</mn><mo>)</mo><mo>,</mo> </mrow>]]></math> id="icf0012" file="A2009100898440004C2.tif" wi="17" he="3" top= "54" left = "167" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths>Lk表示第k只螞蟻在本次迭代中所經(jīng)過執(zhí)行路徑的總長(zhǎng)度。1.2.9.若<maths id="math0008" num="0008" ><math><![CDATA[ <mrow><msub> <mi>N</mi> <mi>s</mi></msub><mo>≤</mo><msub> <mi>N</mi> <msub><mi>s</mi><mi>max</mi> </msub></msub><mo>,</mo> </mrow>]]></math> id="icf0013" file="A2009100898440004C3.tif" wi="18" he="4" top= "71" left = "45" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths>轉(zhuǎn)至步驟1.2.2，否則結(jié)束。
2、根據(jù)權(quán)利要求1所述的一種服務(wù)組合中基于閾值的動(dòng)態(tài)成員服務(wù)選擇方法，其特 征在于基于提供服務(wù)的上限閾值的狀態(tài)轉(zhuǎn)移規(guī)則； 位于節(jié)點(diǎn)/的螞蟻依據(jù)下列規(guī)則來選擇節(jié)點(diǎn)J':如果《《a，有,、[她(^(0"0，茍6&//^1^},闊; ^3:接路^^的請(qǐng)求1^鵬閾值o,否則 否則，有v,、2 ,H茍eW/ovi^)，i到^im^j附冑^l^ai職 一=Z 7".o，否則其中《c
之間的隨機(jī)數(shù)，込c[O,l]之間的常數(shù)，A(/)為轉(zhuǎn)移條件，％=;為啟《發(fā)函數(shù)，a為信息啟發(fā)式因子，P為期望啟發(fā)式因子，a//cnvM = {5(-to6"}， S為組合服 務(wù)中所包含的所有具體服務(wù)的集合，to^為螞蟻搜索過程所產(chǎn)生的禁忌表，w為W/ow^中 包含的具體服務(wù)的數(shù)量。
全文摘要
本發(fā)明一種服務(wù)組合中基于閾值的動(dòng)態(tài)成員服務(wù)選擇方法，利用蟻群系統(tǒng)對(duì)于基于閾值的動(dòng)態(tài)成員服務(wù)進(jìn)行選擇，包括代表成員服務(wù)和組合服務(wù)的信任程度、代表成員服務(wù)和組合服務(wù)執(zhí)行一次所使用的響應(yīng)時(shí)間、以及代表成員服務(wù)和組合服務(wù)執(zhí)行一次的費(fèi)用；通過模型建立和成員服務(wù)選擇，利用信息素局部或全部更迭，信任感知的成員服務(wù)選擇問題轉(zhuǎn)換為在組合服務(wù)中尋找一條最優(yōu)路徑；利用蟻群系統(tǒng)提出了基于閾值的動(dòng)態(tài)成員服務(wù)選擇方法，其關(guān)鍵特征在于基于提供服務(wù)的上限閾值的狀態(tài)轉(zhuǎn)移規(guī)則，確保組合服務(wù)能夠提供高質(zhì)量服務(wù)的同時(shí)，又不會(huì)在執(zhí)行過程中集中在少量成員服務(wù)上，具有較好的尋優(yōu)效果。
文檔編號(hào)H04L29/08GK101616180SQ20091008984
公開日2009年12月30日 申請(qǐng)日期2009年7月24日 優(yōu)先權(quán)日2009年7月24日
發(fā)明者代桂平, 勇 王 申請(qǐng)人:北京工業(yè)大學(xué)