本發(fā)明涉及計算機服務領域，更具體地說，涉及一種聯(lián)盟關系服務組合選擇系統(tǒng)及選擇方法。
背景技術：
：隨著服務計算技術的發(fā)展，越來越多的資源以服務的形式發(fā)布與共享，并成功應用到實際生產(chǎn)過程中。在服務計算領域，QoS感知的服務組合近年來備受關注，提出了較多的QoS感知的服務組合優(yōu)化方法Gabrel等提出一種基于動態(tài)規(guī)劃的web服務組合優(yōu)化算法。啟發(fā)式算法在QoS感知的服務組合問題研究中得到廣泛應用。B.Vasumathi提出利用粒子群算法及其改進算法解決服務組合問題，G.Canfora為解決服務組合問題，提出一種基于遺傳算法的Web服務尋優(yōu)算法，H.Liu則提出一種改進遺傳算法用以解決Web服務優(yōu)化問題，Y.Zhang提出了大規(guī)模的QoS感知的服務組合優(yōu)化方法，其核心思想是利用改進的果蠅優(yōu)化算法快速求解服務組合問題。傳統(tǒng)QoS感知的服務組合優(yōu)化方法，認為服務之間是相互獨立的，并沒有考慮服務提供商之間存在的任何聯(lián)盟合作關系。但在全球經(jīng)濟一體化、競爭多樣化的發(fā)展趨勢下，聯(lián)盟關系的發(fā)展日益迅猛。如：微軟公司與英特爾公司之間的“WINTEL”聯(lián)盟，Google與HTC之間的手機研發(fā)代工聯(lián)盟，蘋果公司與AT&T之間的聯(lián)盟等等。因此，合作共贏已成發(fā)展趨勢。近年來，有些研究工作開始關注QoS關系問題。Q.Wu,Q.Zhu,M.Zhou,Acorrelation-drivenoptimalserviceselectionapproachforvirtualenterpriseestablishment,JIntellManuf,(2014)25:1441–1453，提出業(yè)務關聯(lián)模型，并且利用改進遺傳算法解決QoS約束服務組合優(yōu)化問題，但該文章只限于兩個而且是抽象的任務之間進行組合優(yōu)化，實用性極大受限。S.Deng,H.Wu,D.Hu,J.LZhao,“ServiceSelectionforCompositionwithQoSCorrelation”,IEEETransonServicesComputing(online)，提出一種QoS關聯(lián)的服務組合優(yōu)化問題，通過以responsetime為例構建了系統(tǒng)場景，但僅考慮了同一服務提供商提供多種不同服務的應用，沒有考慮到QoS關系在不同服務提供商之間的聯(lián)盟關系。技術實現(xiàn)要素：1.要解決的技術問題針對現(xiàn)有技術中存在的不同服務提供商之間的聯(lián)盟關系組合優(yōu)化選擇困難的問題，本發(fā)明提供了一種聯(lián)盟關系服務組合選擇系統(tǒng)及選擇方法。它可以對不同服務提供商之間的聯(lián)盟關系組合進行選擇，選擇效率高，選擇結果最優(yōu)化。2.技術方案本發(fā)明的目的通過以下技術方案實現(xiàn)。一種聯(lián)盟關系服務組合選擇系統(tǒng)，本系統(tǒng)包括服務基本粒層模塊：包括服務請求輸入模塊、解析器模塊、服務信息與功能索引模塊和功能選擇模塊；服務業(yè)務粒層模塊：包括服務發(fā)現(xiàn)模塊、參數(shù)設置模塊、索引模塊、服務信息提取處理模塊、參數(shù)與服務信息關聯(lián)模塊、智能進化算法尋優(yōu)模塊和服務響應模塊；服務關系粒層模塊：聯(lián)盟關系更新模塊、服務組合選取模塊、聯(lián)盟關系數(shù)據(jù)庫和聯(lián)盟關系查詢抽取模塊；解析器模塊獲取服務請求輸入模塊輸入內(nèi)容，將解析內(nèi)容導入服務發(fā)現(xiàn)模塊，服務發(fā)現(xiàn)模塊提取服務信息與功能索引模塊內(nèi)容進行處理，導入?yún)?shù)設置模塊和索引模塊中，索引模塊提取功能選擇模塊、參數(shù)設置模塊和服務發(fā)現(xiàn)模塊內(nèi)容后將信息處理后導入服務信息提取處理模塊和服務組合選取模塊中，參數(shù)設置模塊值進入聯(lián)盟關系更新模塊，聯(lián)盟關系更新模塊數(shù)據(jù)一部分進入聯(lián)盟關系數(shù)據(jù)庫中，同時進入服務組合選取模塊后處理進入聯(lián)盟關系數(shù)據(jù)庫，聯(lián)盟關系數(shù)據(jù)庫信息通過聯(lián)盟關系查詢抽取模塊進入智能進化算法尋優(yōu)模塊中，智能進化算法尋優(yōu)模塊獲取智能進化算法尋優(yōu)模塊、參數(shù)與服務信息關聯(lián)模塊和聯(lián)盟關系查詢抽取模塊內(nèi)容綜合計算，獲得最優(yōu)結果，通過服務響應模塊輸出結果。所述的服務信息與功能索引模塊包括服務信息內(nèi)容和項目，解析器模塊包括對輸入的服務信息的內(nèi)容進行解析；參數(shù)與服務信息關聯(lián)模塊對于對輸入信息進行參數(shù)設置和關聯(lián)，智能進化算法尋優(yōu)模塊包括服務最優(yōu)化值求解計算模塊。一種基于上述所述的一種聯(lián)盟關系服務組合選擇系統(tǒng)的選擇方法，步驟如下：步驟一、生成服務聯(lián)盟約束關系；步驟二、聯(lián)盟關系數(shù)據(jù)冗余消除和等價類劃分；步驟三、根據(jù)已找到的支配關系和等價集，確定每個組合服務的聯(lián)盟關系，并求解適應度值；步驟四、運用群體智能優(yōu)化方法進行服務最優(yōu)化值求解。更進一步的，步驟一包括如下幾個步驟：(1)設置閾值，確定是否存在聯(lián)盟關系；(2)根據(jù)所需要的任務，確定各服務存在聯(lián)盟關系的服務個數(shù)；(3)根據(jù)獲取的系統(tǒng)優(yōu)惠信息，確定優(yōu)惠政策。更進一步的，步驟二包括如下幾個步驟：(1)將高維矩陣轉換為對應的關系表，將聯(lián)盟關系添加到關系表中；(2)拓展支配關系和劃分等價集，添加支配關系。更進一步的，步驟三包括如下幾個步驟：1)根據(jù)自反性，消除相同的數(shù)據(jù)關系：2)根據(jù)對稱性，消除相互對稱的數(shù)據(jù)關系：3)根據(jù)傳遞性，增加上一步驟，合并關系的新關系：更進一步的，步驟四包括如下幾個步驟：1)關系表實時查詢；2)根據(jù)優(yōu)惠政策，對上述獲得的關系表路徑進行，適應度計算；3)對各個不同的組合適應度進行比較，服務組合優(yōu)化。更進一步的，步驟一(1)中設置閾值，聯(lián)盟關系閾值為p1(p1∈[0,1])，更進一步的，聯(lián)盟關系閾值為0.9。更進一步的，步驟一(2)中聯(lián)盟關系的服務個數(shù)，聯(lián)盟個數(shù)上限為snum*tnum*p2，其中，snum表示所有候選服務個數(shù)，tnum表示任務數(shù)，其閾值記為p2，p2＝(0.0001-0.001)，更進一步的，采用聯(lián)盟個數(shù)閾值p2＝0.0009，不僅可以獲得最優(yōu)的適應度值，而且可以獲得最優(yōu)的穩(wěn)定性，雖然時間開銷相比于其他閾值稍大。更進一步的，其特征在于：步驟一(3)中聯(lián)盟政策閾值為p3，p3＝(0.0001-0.001)，更進一步的，p3＝0.1，時間開銷最小多分布在聯(lián)盟政策閾值為0.04和0.09處，但整體而言，時間開銷差距非常小，為保證實驗效果和兼具高效與穩(wěn)定性，聯(lián)盟政策閾值采取0.1。3.有益效果相比于現(xiàn)有技術，本發(fā)明的優(yōu)點在于：(1)本發(fā)明與現(xiàn)有技術相比，一種聯(lián)盟關系服務組合選擇方法在QoS感知的服務選擇問題的基礎上，不僅考慮服務間的關聯(lián)關系還將服務提供商間的關聯(lián)關系考慮在內(nèi)，使得產(chǎn)生的組合服務不但能滿足用戶的功能需求，并且較未考慮聯(lián)盟關系的服務組合選擇方法而言，在特定的聯(lián)盟比例下，全局QoS提高60％以上；(2)建立服務間以及服務提供商間的QoS聯(lián)盟感知的聯(lián)盟關系模型，借助支配關系與等價類劃分有效簡化了聯(lián)盟關系的查詢；(3)利用關系矩陣作為聯(lián)盟關系的存儲結構，通過所提出的關系矩陣轉換算法以及關系表冗余消除算法，在將關系矩陣轉換為關系表的同時刪除由自反性和對稱性引入的冗余關系，并利用聯(lián)盟關系的傳遞性添加支配關系，有效縮減了組合求解空間，簡化算法尋優(yōu)的時間，并保證服務組合結果的正確性與完備性，更加適用于云計算環(huán)境下大規(guī)模服務組合問題。附圖說明圖1為用戶購物流程圖；圖2為客戶購買過程圖；圖3為相鄰任務聯(lián)盟關系模型；圖4為跨任務聯(lián)盟關系模型；圖5為復合聯(lián)盟關系模型；圖6為具有聯(lián)盟關系的組合服務圖；圖7為聯(lián)盟關系處理后的組合服務圖；圖8為本發(fā)明的系統(tǒng)功能模塊；圖9為聯(lián)盟關系的服務組合優(yōu)化整體流程圖；圖10為冗余消除處理流程圖；圖11為服務組合優(yōu)化求解流程圖；圖12為服務集規(guī)模為100閾值影響對比圖；圖13為服務集規(guī)模為200閾值影響對比圖；圖14為服務集規(guī)模為300閾值影響對比圖；圖15為服務集規(guī)模為400閾值影響對比圖；圖16為服務集規(guī)模為500閾值影響對比圖；圖17為服務集規(guī)模為100聯(lián)盟個數(shù)閾值對適應度的影響示意圖；圖18為服務集規(guī)模為200聯(lián)盟個數(shù)閾值對適應度的影響示意圖；圖19為服務集規(guī)模為300聯(lián)盟個數(shù)閾值對適應度的影響示意圖；圖20為服務集規(guī)模為400聯(lián)盟個數(shù)閾值對適應度的影響示意圖；圖21為服務集規(guī)模為500聯(lián)盟個數(shù)閾值對適應度的影響示意圖；圖22為服務集規(guī)模為100聯(lián)盟政策影響示意圖；圖23為服務集規(guī)模為200聯(lián)盟政策影響示意圖；圖24為服務集規(guī)模為300聯(lián)盟政策影響示意圖；圖25為服務集規(guī)模為400聯(lián)盟政策影響示意圖；圖26為服務集規(guī)模為500聯(lián)盟政策影響示意圖；圖27為QWS’s平均適應度圖；圖28為RWS’s平均適應度圖；圖29為QWS’s提高率圖；圖30為RWS’s提高率圖；圖31為QWS’s效率圖；圖32為RWS’s效率圖；圖33為QWS均方根誤差圖；圖34為RWS均方根誤差圖。具體實施方式下面結合說明書附圖和具體的實施例，對本發(fā)明作詳細描述。實施例1現(xiàn)有的方法不能達到組合服務最優(yōu)化，經(jīng)過調查研究表明，主要是因為現(xiàn)有的研究都忽略了服務提供商之間的聯(lián)盟關系，服務提供商之間的聯(lián)盟關系對組合服務的QoS具有很大影響。服務提供商之間的聯(lián)盟關系在現(xiàn)實中廣泛存在，例如，一個美國用戶在京東交易平臺上購買了一件男士手表GS5732并且選擇了物流服務DHL，由于物流公司與存貨地并未建立聯(lián)盟關系，該用戶將額外出$33.09的運輸費用，如果用戶選擇ePacket物流服務，由于該物流公司與存貨地有聯(lián)盟關系，用戶將節(jié)省運輸費用，有效減少了組合服務的成本。為此，本發(fā)明實施例提供了一種聯(lián)盟關系服務組合選擇方法，在QoS感知的服務選擇問題的基礎上，不僅考慮服務間的關聯(lián)關系還將服務提供商間的關聯(lián)關系考慮在內(nèi)，使得產(chǎn)生的組合服務不但能滿足用戶的功能需求，而且較未考慮聯(lián)盟關系的服務組合選擇方法而言，全局QoS提高60％以上。本發(fā)明的一種聯(lián)盟關系服務組合選擇系統(tǒng)，如圖8所示，系統(tǒng)包括：服務基本粒層模塊：包括服務請求輸入模塊、解析器模塊、服務信息與功能索引模塊和功能選擇模塊；基本服務粒層對輸入的服務基本信息概念進行定義以及分類，對各個輸入的值進行賦予索引關系，方便服務業(yè)務粒層進行分析調用以及運算。服務業(yè)務粒層模塊：包括服務發(fā)現(xiàn)模塊、參數(shù)設置模塊、索引模塊、服務信息提取處理模塊、參數(shù)與服務信息關聯(lián)模塊、智能進化算法尋優(yōu)模塊和服務響應模塊；服務業(yè)務粒層模塊獲取基本服務粒層中的服務信息以及服務關系粒層信息之間的關系，對針對服務要求進行計算以及優(yōu)化，獲得最優(yōu)的組合選擇方案。服務關系粒層模塊：聯(lián)盟關系更新模塊、服務組合選取模塊、聯(lián)盟關系數(shù)據(jù)庫和聯(lián)盟關系查詢抽取模塊；服務關系粒層模塊儲存各個服務項目之間的關系和數(shù)據(jù)，存儲各聯(lián)盟之間優(yōu)惠政策，并更新，為服務業(yè)務粒層模塊提供聯(lián)盟關系數(shù)據(jù)。解析器模塊獲取服務請求輸入模塊輸入內(nèi)容，將解析內(nèi)容導入服務發(fā)現(xiàn)模塊，服務發(fā)現(xiàn)模塊提取服務信息與功能索引模塊內(nèi)容進行處理，導入?yún)?shù)設置模塊和索引模塊中，索引模塊提取功能選擇模塊、參數(shù)設置模塊和服務發(fā)現(xiàn)模塊內(nèi)容后將信息處理后導入服務信息提取處理模塊和服務組合選取模塊中，參數(shù)設置模塊值進入聯(lián)盟關系更新模塊，聯(lián)盟關系更新模塊數(shù)據(jù)一部分進入聯(lián)盟關系數(shù)據(jù)庫中，同時進入服務組合選取模塊后處理進入聯(lián)盟關系數(shù)據(jù)庫，聯(lián)盟關系數(shù)據(jù)庫信息通過聯(lián)盟關系查詢抽取模塊進入智能進化算法尋優(yōu)模塊中，智能進化算法尋優(yōu)模塊獲取智能進化算法尋優(yōu)模塊、參數(shù)與服務信息關聯(lián)模塊和聯(lián)盟關系查詢抽取模塊內(nèi)容綜合計算，獲得最優(yōu)結果，通過服務響應模塊輸出結果。所述的服務信息與功能索引模塊包括服務信息內(nèi)容和項目，解析器模塊包括對輸入的服務信息的內(nèi)容進行解析；參數(shù)與服務信息關聯(lián)模塊對于對輸入信息進行參數(shù)設置和關聯(lián)，智能進化算法尋優(yōu)模塊包括服務最優(yōu)化值求解計算模塊。本發(fā)明在建立較為完備的服務聯(lián)盟關系系統(tǒng)模型基礎上，提出一種QoS聯(lián)盟感知的服務組合優(yōu)化(QASCO)選擇方法。主要對一下幾個方面進行了改進：1)提出QoS聯(lián)盟感知的聯(lián)盟關系模型，從理論上證明聯(lián)盟關系的若干性質和定理，通過聯(lián)盟關系性質構造出服務間的支配關系和等價類，并系統(tǒng)地分析了QoS聯(lián)盟關系對服務組合優(yōu)化問題的影響。2)分析和證明了支配關系與等價類不僅可以有效簡化聯(lián)盟關系的查詢復雜性，而且不會導致聯(lián)盟關系的重復或遺漏，從而保證了尋優(yōu)結果的完備性。3)提出聯(lián)盟關系的關系表存儲模型，并給出了關系矩陣轉換算法、關系表冗余消除算法以及關系表查詢算法，有效簡化了聯(lián)盟關系數(shù)據(jù)集，降低了聯(lián)盟關系查詢復雜性。4)對若干個經(jīng)典的群體智能算法進行改進。下面，我們將介紹一個具體的例子來說明問題，并說明我們的方案的必要性和優(yōu)點。用戶網(wǎng)上購物如圖1所示，聯(lián)盟關系是很常見的且不同的，如免郵費由賣家和物流企業(yè)之間的聯(lián)盟。為了演示如何AR系統(tǒng)是組織模型捕捉，利用顧客購買服裝業(yè)務流程如圖2所示，其中中間過程的橢圓表示需要購買的大任務，對應下方圓圈表示每個大任務中的可選擇服務。每個服務的值表示服務的成本。我們以Cost費用屬性值作為服務組合優(yōu)化目標。根據(jù)聯(lián)盟關系綁定服務之間的邏輯關系，可將圖2劃分為：相鄰關系聯(lián)盟、跨任務聯(lián)盟及復合聯(lián)盟三種應用場景。場景1相鄰任務聯(lián)盟關系首先考慮隸屬于相鄰任務(Task)的候選服務間聯(lián)盟關系，這種聯(lián)盟關系比較簡單，可將其簡化為一個服務。但這種關系存在一些限制，只是實際聯(lián)盟環(huán)境中的局部特征。通過對這種單一關系的聯(lián)盟的討論，可以簡化聯(lián)盟模型，更清晰地描述問題。圖2的組合實例滿足如表1所示的聯(lián)盟優(yōu)惠政策，相鄰聯(lián)盟關系模型如圖3所示。圖3表示若同時選擇服務s11與s22，則服務(service)s22的Cost對應優(yōu)惠政策(policy)為300，即從原始的900變?yōu)?00，其余類似。表1：相鄰任務聯(lián)盟關系優(yōu)惠表根據(jù)表1，結合圖2的Cost屬性值，從S->E的最優(yōu)組合服務路徑作如下分析：(1)未考慮聯(lián)盟關系情形，最優(yōu)組合服務為s11->s21->s31，總代價為2144；(2)考慮服務間的聯(lián)盟關系，最優(yōu)組合服務為s11->s22->s33，總代價為(836+(900-300)+(772-300))＝1908，考慮聯(lián)盟關系的QoS優(yōu)于傳統(tǒng)服務組合結果。場景2、跨任務聯(lián)盟關系另一種常見的是跨任務之間的聯(lián)盟關系，即兩個服務提供商所提供的服務隸屬于服務計劃中不相鄰的兩個task的候選服務集，如圖4所示。并滿足表2中的優(yōu)惠政策。表2：跨任務聯(lián)盟關系優(yōu)惠表同理，我們對S->E的最優(yōu)組合服務路徑作出分析。(1)不考慮服務聯(lián)盟時，最優(yōu)組合服務為S11->S21->S31，總代價為2144；(2)考慮服務聯(lián)盟關系時，最優(yōu)組合服務為S11->S21->S32，總代價為(836+672+(672-300))＝1880。同樣，考慮聯(lián)盟關系的QoS優(yōu)于傳統(tǒng)服務組合情形。場景3、復合聯(lián)盟關系在實際的聯(lián)盟環(huán)境中，相鄰任務聯(lián)盟關系與跨任務聯(lián)盟關系模型往往同時存在，我們稱這種混合關系為復合聯(lián)盟關系，如圖5所示。圖5中，每個服務均有可能存在多個聯(lián)盟關系，例如T1的候選服務s11，存在四個聯(lián)盟關系，這些關系包括s11與s21，s11與s22兩個相鄰任務聯(lián)盟關系，以及s11與s31，s11與s32兩個跨任務聯(lián)盟關系。圖5的復合聯(lián)盟關系優(yōu)惠矩陣用表3表示，矩陣的維數(shù)由聯(lián)盟關系QoS屬性個數(shù)決定，若優(yōu)惠政策包含多個QoS屬性時，二維矩陣便升級為三維或高維矩陣。同樣，矩陣數(shù)值表示對應的優(yōu)惠政策。在復合聯(lián)盟關系中，由于存在聯(lián)盟的服務個數(shù)不定，聯(lián)盟類型不定，采用矩陣形式描述聯(lián)盟關系時，矩陣往往呈現(xiàn)出稀疏現(xiàn)象。因此，在實際應用過程中，需要對關系矩陣做進一步處理。表3復合聯(lián)盟關系優(yōu)惠矩陣多維QoS屬性問題是單QoS屬性的延續(xù)和拓展，考慮復合聯(lián)盟優(yōu)惠策略情形下的服務組合問題較為復雜，本方案中中會做出詳細理論分析和證明。本實施例僅考慮QoS單屬性Cost情形，本文理論和方法可以拓展到多屬性應用場景。為更好地描述QoS聯(lián)盟感知的服務組合問題，基于現(xiàn)有技術，下面給出若干定義及相關性質。1)服務質量(QoS)服務質量是指Web服務能夠滿足用戶服務非功能需求的程度。包括多方面的質量特性，如：Cost,Responsetime,Available,Reputation,etc。即成本，響應時間，可用，聲譽等。2)Web服務(s)Web服務用五元組表示，即s＝(id，function，info，QoS，alliance)。其中，id是統(tǒng)一處理的服務編號；function表示web服務的功能屬性，包括Input，Output，PreconditionandEffect，即輸入、輸出、前提和效果；info表示服務的基本信息，包括web服務名稱，提供商等信息；QoS表示服務質量；alliance為聯(lián)盟關系集，表示與該服務存在聯(lián)盟關系的服務集合，及相應的聯(lián)盟關系優(yōu)惠政策。3)候選服務集(S)候選服務集是指功能相同而服務質量不同的web服務集合，記作：S＝(id，ws)，其中id表示每個候選服務集的唯一標識；ws表示具有相同功能的服務集合，記為：n為候選服務集的規(guī)模。4)服務計劃(SP)ServicePlan是指滿足用戶需求或者能實現(xiàn)特定功能的服務組合鏈，記作SP＝(T,P)其中，表示一組任務集合；P表示ServicePlan中一些參數(shù)信息，如循環(huán)結構中的循環(huán)次數(shù)等。5)組合服務(CS)組合服務是指服務計劃中能滿足用戶需求的一條路徑，可表示為一個四元組，CS＝(id,services,fitness,struct)。其中，id表示每條組合服務的編號，services表示該組合服務中包含的服務集合，即si表示候選服務集S中第i個服務，m表示組合服務的任務數(shù)。fitness表示組合服務的適應度函數(shù)值，是衡量每個服務組合優(yōu)劣性的依據(jù)；struct表示該服務組合記錄的結構，包括順序、分支、并行和循環(huán)結構。6)聯(lián)盟關系(AR)對于一個特定的服務組合，假設候選服務sn位于sm邏輯關系之前，并設在γ屬性上的優(yōu)惠政策為X，則該聯(lián)盟關系記為其中，sn稱為聯(lián)盟關系的前驅服務，sm稱為聯(lián)盟關系的后繼服務；γ(X)稱為的優(yōu)惠政策，當時記為0關系，γ(X)＝all記為1關系。特別地，對于復合聯(lián)盟關系，用表示在ServicePlan中位于Sn和Sm邏輯位置之間(包含邊界)的服務矩陣，即表示組合服務中位于Sn和Sm之間的被選中服務的集合；用表示矩陣的秩，即組合服務中位于Sn和Sm之間的被選中服務的個數(shù)。例如，γ取Cost屬性時，x為在該聯(lián)盟關系上Cost的優(yōu)惠政策，該聯(lián)盟關系表示為當γ表示多個屬性時，即服務sn,sm之間存在多種優(yōu)惠政策，假設為Ava,RT,Cost，X則為在該聯(lián)盟關系上Ava的優(yōu)惠政策x1，RT的優(yōu)惠政策x2，Cost的優(yōu)惠政策x3的集合，該聯(lián)盟關系可記為那么，對于任意一個組合服務實例cs，假設存在聯(lián)盟關系，則存在以下性質。性質1(Symmetry，對稱性)：對于cs上的任意一個聯(lián)盟關系，滿足且在ServicesPlan的邏輯順序中，sn為前驅服務，sm為后繼服務。聯(lián)盟關系具有對稱性。性質2(Transmissibility，傳遞性)：若cs存在聯(lián)盟關系那么，sn和sk之間也存在聯(lián)盟關系，記為其中，γ'＝γ1∪γ2,X'＝X1∪X2。聯(lián)盟關系具有傳遞性。性質3(Reflexivity，自反性)：對于任意一個sn,總是有他的聯(lián)盟，也就是說，是始終存在。7)支配關系(DR)支配關系指在某特定的組合服務實例cs中，存在聯(lián)盟關系若對于所有的以sn為前驅服務的聯(lián)盟都存在則稱為服務sn的支配關系。根據(jù)性質1和性質3，聯(lián)盟關系是一個雙邊關系，聯(lián)盟關系矩陣中存在著大量的冗余。為優(yōu)化問題的時空開銷，需要對聯(lián)盟關系進行冗余消除處理。同理，從性質2可知，聯(lián)盟關系具有延續(xù)性和拓展性，以及聯(lián)盟關系的非孤立性，本文將利用聯(lián)盟關系的傳遞性逐步拓展聯(lián)盟支配關系的覆蓋域，從而逐步擴大形成等價類。運用支配關系，可以將服務組合實例劃分為不同的模塊，每個模塊均屬于且唯一屬于一個支配關系的覆蓋域，在同一模塊中，各個服務是等價的，從支配關系中的前驅服務到后繼服務之間的優(yōu)惠政策包含內(nèi)部所有的聯(lián)盟關系。因此，支配關系可以簡化組合服務實例的聯(lián)盟關系。8)聯(lián)盟關系等價類在具體的組合服務實例中，針對于支配關系覆蓋的服務集合，任意兩個不存在聯(lián)盟關系的服務，添加0關系，則該集合滿足等價關系，且該集合元素s屬于同一個等價類，記為[s]。通過等價關系的描述，更清晰地的描述了組合服務實例中服務之間的區(qū)別和聯(lián)系。在同一等價類中，任意服務均可代表該等價類，其優(yōu)惠政策也代表支配關系的優(yōu)惠值。當計算每個組合服務實例的聯(lián)盟關系時，只需獲得每個等價類的優(yōu)惠關系即可，大幅度簡化聯(lián)盟關系的計算過程與復雜度。本部分介紹QoS聯(lián)盟感知的服務組合問題求解算法。由于QASCO仍然是NP-hard問題，為驗證本文模型的普適性，運用常用的群體智能優(yōu)化算法進行求解。同時，針對AR模型，對現(xiàn)有算法進行了改進。由于聯(lián)盟關系的復雜性，導致算法的時間和空間開銷呈倍數(shù)增長。為有效解決該問題，從以下四個方面來詳細描述問題的求解與簡化過程。一種聯(lián)盟關系服務組合選擇方法，步驟如下：步驟一、生成服務聯(lián)盟約束關系；(1)確定是否存在聯(lián)盟關系。設置閾值p1，p1∈(0,1)，并取(0,1)之間的隨機值α，若α>p1，則存在聯(lián)盟關系，否則視為不存在聯(lián)盟關系；(2)確定各服務存在聯(lián)盟關系的服務個數(shù)。依據(jù)聯(lián)盟的對稱性，若某服務的前驅聯(lián)盟服務存在b個，則產(chǎn)生在[b,x]之間的隨機整數(shù)β，(β-b)表示以該服務為前驅服務的聯(lián)盟個數(shù)，并在Serviceplan中位于該服務之后的候選服務集中隨機選擇服務作為其后繼服務；(3)根據(jù)獲取的系統(tǒng)優(yōu)惠信息，確定優(yōu)惠政策。考慮到優(yōu)惠政策的實際性，為保證優(yōu)惠值較大與實際情況不符，對優(yōu)惠政策進行適度限制，設置閾值p3,并采用比例確定優(yōu)惠政策。隨機產(chǎn)生[1,p]之間隨機數(shù)，p表示概率上限，利用公式(1)歸一化到(0,p3)之間的數(shù)值，優(yōu)惠值運用公式(2)計算。θ′=θ*p3p---(1)]]>γ(i)＝θ'*QoS(i)(2)其中，θ表示隨機產(chǎn)生的[1,p]之間的整數(shù)，即為產(chǎn)生的優(yōu)惠政策，θ'表示歸一化后的優(yōu)惠比例，QoS(i)表示QoS中第i個屬性值，γ(i)表示相應的優(yōu)惠政策。步驟二、聯(lián)盟關系數(shù)據(jù)冗余消除和等價類劃分；聯(lián)盟關系是一個雙邊關系，需要對聯(lián)盟關系進行冗余消除處理。主要包括兩個過程：(1)將高維矩陣轉換為對應的關系表，本方案中，僅以Cost屬性為例，將二維矩陣轉換為關系表；(2)消除關系表中由自反性和對稱性而引入的冗余，并利用聯(lián)盟關系的傳遞性添加支配關系，用以簡化算法尋優(yōu)的時間和空間復雜度。關系矩陣轉換：關系矩陣轉換核心思想就是將通過生成的關系矩陣，構造滿足如下結構的關系表，關系表結構如表4所示。表4關系表結構根據(jù)表4的結構，關系矩陣進行轉換，其中，定義xsum，ysum分別表示關系矩陣中x,y軸的上界，M(x,y)表示關系矩陣第x,y維數(shù)值，即聯(lián)盟優(yōu)惠政策，SetT(Sx1,y2,Sx2,y2,Cost,M(x,y))表示按照給定的優(yōu)惠政策，將該聯(lián)盟關系添加到關系表中。逆轉錄的冗余消除：首先利用聯(lián)盟關系的前驅和后繼服務，直接刪除由自反性和對稱性引起的冗余。其次，為降低后續(xù)操作的時間開銷，針對于傳遞性進行適度增加冗余。增加冗余依據(jù)是：對于存在傳遞性的聯(lián)盟關系則增加但不刪除之前的關系，其值等價于其包含服務之間的每個聯(lián)盟關系的并集，如果之前存在聯(lián)盟，則將與關系合并，記為然后找到中與前驅服務sn之間相互孤立的服務si，則默認其中重復以上步驟，直到找到sn支配關系。因此，在后續(xù)尋優(yōu)訪問過程中，針對于服務sn到sk的組合，僅需查找支配關系的聯(lián)盟優(yōu)惠，無需多次查找關系表。性質4利用傳遞性添加的傳遞聯(lián)盟關系，可以覆蓋其包含的服務之間的任何聯(lián)盟關系，即對于恒成立。逆轉錄使得關系數(shù)據(jù)集規(guī)模大大減少。然后，利用性質2的傳遞性，逐步拓展支配關系和劃分等價集，即更新：update其詳細的更新過程下文中會通過一個具體案例詳細描述。但經(jīng)過逆轉錄的處理，聯(lián)盟關系集的組成元素發(fā)生了變化，為保證實驗結果的完備性，需要對經(jīng)過逆轉錄處理后的關系集的完備性進行分析。定理1對于任意聯(lián)盟關系形成的RTset，即關系集組，通過逆轉錄處理，不會影響RT集的完備性。證明：假設聯(lián)盟關系為通過逆轉錄處理后改變的聯(lián)盟關系，并且與等價的關系不存在RT中。A、若是通過自反性刪除的關系，則不影響整體尋優(yōu)，因為自反性可以認為每個服務都和自身聯(lián)盟，不具有特殊性，不影響全局尋優(yōu)結果。B、若是通過對稱性刪除的關系，則一定存在RT中，由于具有對稱性，即等價于所以，與假設矛盾。C、若是通過傳遞性改變的聯(lián)盟關系，則和仍存在于RT中，對于添加或者修改的在算法處理過程中，是按照支配關系的聯(lián)盟為依據(jù)進行尋優(yōu)，不會重復計算聯(lián)盟關系。所以，綜上通過逆轉錄處理后的關系集RT不會影響全局最優(yōu)解，保持完備性。通過定理1可知，由自反性和對稱性而刪除的聯(lián)盟關系不會影響聯(lián)盟關系集的完備性，但在處理過程中，每個等價類中只計算一次支配關系，所以，需要保證各支配關系之間不存在交叉現(xiàn)象。定理2任意兩個支配關系之間不存在公共服務，即針對于支配關系與滿足證明：假設存在某一服務同時且兩個支配關系不是同一關系。則有傳遞性可知：A、由則或者即s屬于構成的等價集，表示為[s]。B、由可得或者即s也屬于構成的等價集，表示為[s]。綜上，結合該支配關系不是同一關系可得，支配關系與存在包含關系，不妨假設則即就不是支配關系，與假設矛盾，所以，該服務s不存在，即成立。由定理2可知，任意兩個等價類之間都不存在公共服務。所以，在服務組合尋優(yōu)過程中，每個等價類取支配關系計算不會導致聯(lián)盟關系的重復計算。并且，性質4表明支配關系的構建不會導致聯(lián)盟關系的丟失。綜上，通過支配關系不會對服務組合尋優(yōu)結果產(chǎn)生影響。步驟三、根據(jù)已找到的支配關系和等價集，確定每個組合服務的聯(lián)盟關系，并求解適應度值；下面通過一個具體的組合服務實例以及其聯(lián)盟關系來描述關系表的處理過程。假定一個組合服務實例結構如圖6所示，其聯(lián)盟關系表如表5。表5組合服務關系表按照逆轉錄方法，處理過程包括如下三個步驟。1)自反性消除：根據(jù)自反性性質，可刪除關系(s1,s1,Cost(all)),(s2,s2,Cost(all)),(s3,s3,Cost(all)),(s4,s4,Cost(all))，刪除后可得關系表如表6所示。表6自反性消除后的關系表2)對稱性消除：根據(jù)對稱性性質，可刪除關系(s2,s1,Cost(100)),(s3,s1,Cost(120)),(s4,s2,Cost(50)),(s4,s3,Cost(90))，刪除后可得關系表如表7所示。表7對稱性消除后關系表3)傳遞性處理：根據(jù)表7的結果，可知存在如下傳遞性(s1,s2,Cost(100)),(s2,s4,Cost(50)),(s1,s3,Cost(50))與(s3,s4,Cost(90))，所以添加關系(s1,s4,Cost(x))，其中x表示位于服務之間所有關系的并，即x為Cost(100+50+120+90))，于是進一步可得到表8。表8傳遞性處理后關系表由圖6可知，從S到E最優(yōu)組合服務Cost為：Cost(100)//S1->S2+Cost(90)//S3->S4+Cost(120)//S1->S3+Cost(50)//S2->S4＝Cost(100+90+120+50)由表8可以構造聯(lián)盟關系處理后的組合服務實例如圖7所示。根據(jù)圖7，很容易得到S->E的最優(yōu)組合服務Cost為：Cost(120+100+90+50)//S1->S4，與圖6所得結果保持一致。步驟四、運用群體智能優(yōu)化方法進行問題求解，群體智能優(yōu)化方法對其進行了改進。針對QoS聯(lián)盟感知的Web服務組合優(yōu)化模型，本發(fā)明對經(jīng)典的群體智能優(yōu)化算法進行了改進，分別基于PSO：粒子群優(yōu)化算法(PSO——ParticleSwarmOptimization)，GA：遺傳算法(GeneticAlgorithm)，F(xiàn)OA：果蠅優(yōu)化算法進行優(yōu)化。分別記為：IPSO、IGA和IFOA，并與未考慮聯(lián)盟關系的PSO、GA、FOA算法進行了對比實驗，驗證本文模型與算法的有效性，效率和可擴展性。改進的算法主要包括三個步驟。1)實時查詢在QoS聯(lián)盟感知的組合服務問題求解時，需要考慮因聯(lián)盟關系而引入的優(yōu)惠政策對問題結果的影響。即根據(jù)處理后的聯(lián)盟關系表和支配關系獲得組合服務的優(yōu)惠政策，關系表查詢描述如下。通過服務關系粒層模塊中聯(lián)盟關系更新模塊、服務組合選取模塊、聯(lián)盟關系數(shù)據(jù)庫和聯(lián)盟關系查詢抽取模塊，獲得聯(lián)盟關系更新的信息。具體算法如下：其中，Getindex(RT(k).getFront)表示獲得RT中第k條聯(lián)盟的前驅服務的下標(x,y)。算法根據(jù)特定的組合服務記錄，利用關系表，逐個判斷該組合服務中支配關系以及優(yōu)惠政策，最后將優(yōu)惠政策合并作為輸出。方法根據(jù)特定的組合服務記錄，利用關系表，通過服務基本粒層模塊中的括服務請求輸入模塊、解析器模塊、服務信息與功能索引模塊和功能選擇模塊，獲取定義信息，逐個判斷該組合服務中支配關系以及優(yōu)惠政策，最后將優(yōu)惠政策合并作為輸出。2)適應度計算根據(jù)實時查詢方法獲得的優(yōu)惠政策γ，fitness合理值計算方式用公式(3)表示。fitness=Σi=1nΣj=1mwicjQi,j=w1Σj=1mcjCostj(1-θ)=w1Σj=1mcj(Costj-γ(x))---(3)]]>其中θ表示聯(lián)盟優(yōu)惠政策，wi表示每個任務的權重，cj表示每個QoS屬性的權重，Costj表示第j個候選服務的Cost屬性，γ(x)表示聯(lián)盟關系優(yōu)惠值。3)服務組合優(yōu)化根據(jù)上述的適應度計算，將其作為IPSO、IGA以及IFOA優(yōu)化方法的適應度計算依據(jù)，下面以IFOA為例，對改進后的方法進行描述。IPSO和IGA優(yōu)化方法相同。具體算法如下：IFOA方法中參數(shù)詳細介紹參見文獻Y.Zhang,G.Cui,S.Zhaoet.al.IFOA4WSC:AquickandeffectivealgorithmforQoS-awareservicecomposition,InternationalJournalofWebandGridServices(online)，其他方法處理過程與IFOA類似，主要是將適應度函數(shù)計算公式替換為公式(3)即可。因此，算法實現(xiàn)簡單，可操作性強。實施例2下面結合附圖，通過具體實施例，對本發(fā)明的技術方案進行清楚、完整的描述。本發(fā)明實施例中具有聯(lián)盟關系的服務組合選擇方法QASCO，如圖9所示，包括：步驟S101：對每個任務的候選服務集合作預處理，生成服務聯(lián)盟約束關系。并將相應的信息存儲在服務基本粒層模塊中和服務關系粒層模塊中。步驟S102：通過所提出的關系矩陣轉換算法以及關系表冗余消除算法對聯(lián)盟關系數(shù)據(jù)進行冗余消除和等價類劃分。步驟S103：運用改進的群體智能優(yōu)化算法對具有聯(lián)盟關系的服務組合優(yōu)化問題進行求解。在服務業(yè)務粒層模塊中通過智能進化算法尋優(yōu)模塊進行計算，服務響應模塊進行最優(yōu)的服務輸出。根據(jù)附圖1用戶購物示意圖假設客戶購買過程如附圖2所示，其中橢圓表示任務，圓表示服務，每個服務的值表示服務花費即Cost。每個候選服務集合都需要根據(jù)服務提供商提供的聯(lián)盟信息對Web服務屬性進行預處理。在本發(fā)明實施例中，Web服務用五元組表示，即s＝(id，function，info，QoS，alliance)。其中，id是統(tǒng)一處理的服務編號；function表示web服務的功能屬性，包括Input，Output，PreconditionandEffect；info表示服務的基本信息，包括web服務名稱，提供商等信息；QoS表示服務質量；alliance為聯(lián)盟關系集，表示與該服務存在聯(lián)盟關系的服務集合，及相應的聯(lián)盟關系優(yōu)惠政策。在本實施例中，用ServicePlan表示滿足用戶需求或者能實現(xiàn)特定功能的服務組合鏈，記作SP＝(T，P)其中，T表示一組任務集合；P表示ServicePlan中一些參數(shù)信息，如循環(huán)結構中的循環(huán)次數(shù)等。在本實施例中，組合服務是指服務計劃中能滿足用戶需求的一條路徑，可表示為一個四元組，CS＝(id，services，fitness，struct)。其中，id表示每條組合服務的編號，services表示該組合服務中包含的服務集合，即：si表示候選服務集S中第i個服務，m表示組合服務的任務數(shù)。fitness表示組合服務的適應度函數(shù)值，是衡量每個服務組合優(yōu)劣性的依據(jù)；struct表示該服務組合記錄的結構，包括順序、分支、并行和循環(huán)結構。對于一個特定的服務組合，假設候選服務sn位于sm邏輯關系之前，并設在屬性γ上的優(yōu)惠政策為X，則該聯(lián)盟關系記為其中，sn稱為聯(lián)盟關系的前驅服務，sm稱為聯(lián)盟關系的后繼服務；γ(X)稱為的優(yōu)惠政策，當時記為0關系，γ(X)＝all記為1關系。在某特定的組合服務實例cs中支配關系指：存在聯(lián)盟關系若對于所有的以sn為前驅服務的聯(lián)盟都存在，則稱為服務sn的支配關系。在具體的組合服務實例中，針對于支配關系覆蓋的服務集合，任意兩個不存在聯(lián)盟關系的服務，添加0關系，則該集合滿足等價關系，且該集合元素s屬于同一個等價類，記為[s]。通過等價關系的描述，更清晰地的描述了組合服務實例中服務之間的區(qū)別和聯(lián)系。在同一等價類中，任意服務均可代表該等價類，其優(yōu)惠政策也代表支配關系的優(yōu)惠值。當計算每個組合服務實例的聯(lián)盟關系時，只需獲得每個等價類的優(yōu)惠關系即可，大幅度簡化聯(lián)盟關系的計算過程與復雜度。通過對每個任務的候選服務集合作預處理，生成了服務聯(lián)盟約束關系，聯(lián)盟約束關系可細分為三種聯(lián)盟關系模型：1、相鄰任務聯(lián)盟關系模型，如附圖3所示，這種聯(lián)盟關系考慮隸屬于相鄰task的候選服務間聯(lián)盟關系。2、跨任務聯(lián)盟關系模型，如附圖4所示，即兩個服務提供商所提供的服務隸屬于Serviceplan中不相鄰的兩個task的候選服務集。3、復合聯(lián)盟關系模型，如附圖5所示，即在聯(lián)盟環(huán)境中，相鄰任務聯(lián)盟關系與跨任務聯(lián)盟關系模型同時存在。在本實施例中利用關系矩陣來存儲服務間以及服務提供商之間的聯(lián)盟關系。聯(lián)盟關系是一個雙邊關系，聯(lián)盟關系矩陣中存在著大量的冗余。假定一個組合服務實例結構如附圖6所示，為優(yōu)化問題的時空開銷，需要對聯(lián)盟關系進行冗余消除處理，如圖10所示，主要包括：步驟S201：將高維矩陣轉換為對應的關系表，本實施例中，僅以Cost屬性為例，通過關系矩陣轉換算法將二維關系矩陣轉換為關系表。對于關系矩陣中的每一個元素獲取該元素對應的前驅服務編號Sx1,y2以及后繼服務編號Sx2,y2，再將(Sx1,y2，Sx2,y2，Cost，M(x，y))添加到關系表中，其中，M(x,y)表示關系矩陣第x,y維數(shù)值，即聯(lián)盟優(yōu)惠政策。步驟S202：利用聯(lián)盟關系的前驅和后繼服務，直接刪除由自反性和對稱性引起的冗余。步驟S203：為降低后續(xù)操作的時間開銷，針對于傳遞性進行適度增加冗余。增加冗余依據(jù)是：對于存在傳遞性的聯(lián)盟關系則增加但不刪除之前的關系，其值等價于其包含服務之間的每個聯(lián)盟關系的并集，如果之前存在聯(lián)盟，則將與關系合并，記為然后找到中與前驅服務sn之間相互孤立的服務si，則默認其中重復以上步驟，直到找到sn支配關系。因此，在后續(xù)尋優(yōu)訪問過程中，針對于服務sn到sk的組合，僅需查找支配關系的聯(lián)盟優(yōu)惠，無需多次查找關系表。通過以上步驟生成聯(lián)盟關系處理后的組合服務圖，如附圖7所示，相當數(shù)量的冗余聯(lián)盟關系被移除并且構成了服務支配關系，有效簡化了聯(lián)盟關系數(shù)據(jù)集，降低了聯(lián)盟關系查詢復雜性，減少了后續(xù)利用群體智能優(yōu)化算法來解決具有聯(lián)盟關系的服務組合優(yōu)化問題的搜索空間。通過群體智能優(yōu)化算法來解決具有聯(lián)盟關系的服務組合優(yōu)化問題包含如下步驟，如圖11所示，以群體智能優(yōu)化算法IFOA為例：步驟S301：輸入候選服務集與task，初始化必要的參數(shù)如迭代次數(shù)，種群規(guī)模等。步驟S302：對種群中的每個個體進行適應值計算，計算公式為：其中θ表示聯(lián)盟優(yōu)惠政策，wi表示每個任務的權重，cj表示每個QoS屬性的權重，Costj表示第j個候選服務的Cost屬性，表示聯(lián)盟關系優(yōu)惠值。步驟S303：根據(jù)IFOA算法的移動操作，更新個體當前位置。步驟S304：判斷是否到達最大迭代次數(shù)，未達到執(zhí)行步驟S302，否則執(zhí)行步驟S305。步驟S305：輸出最優(yōu)化組合服務實例。QualityofService，服務質量，指一個網(wǎng)絡能夠利用各種基礎技術，為指定的網(wǎng)絡通信提供更好的服務能力,是網(wǎng)絡的一種安全機制，是用來解決網(wǎng)絡延遲和阻塞等問題的一種技術，當網(wǎng)絡過載或擁塞時，QoS能確保重要業(yè)務量不受延遲或丟棄，同時保證網(wǎng)絡的高效運行。在網(wǎng)絡中可以通過保證傳輸?shù)膸挕⒔档蛡魉偷臅r延、降低數(shù)據(jù)的丟包率以及時延抖動等措施來提高服務質量。本方案從聯(lián)盟關系影響因素分析入手，分別對聯(lián)盟關系閾值、聯(lián)盟個數(shù)閾值以及聯(lián)盟政策閾值三個參數(shù)進行實驗，全面驗證各參數(shù)對QoS聯(lián)盟感知模型尋優(yōu)結果的影響。并從effectiveness，efficiency，以及scalability三個角度分析IFOA、IPSO、IGA算法求解QoS聯(lián)盟感知的服務組合優(yōu)化問題的綜合性能。一、數(shù)據(jù)集集合。本文采用公用數(shù)據(jù)集QWS和隨機數(shù)據(jù)集RWS兩種數(shù)據(jù)集。QWS數(shù)據(jù)集為Al-Masri,E.,andMahmoud,Q.H.,"Discoveringthebestwebservice",(poster)16thInternationalConferenceonWorldWideWeb(WWW),2007,pp.1257-1258。和Al-Masri,E.,andMahmoud,Q.H.,"QoS-basedDiscoveryandRankingofWebServices",IEEE16thInternationalConferenceonComputerCommunicationsandNetworks(ICCCN),2007,pp.529-534提出。RWS數(shù)據(jù)集是產(chǎn)生滿足N(0,1)分布的數(shù)據(jù)組成的數(shù)據(jù)集合，具體產(chǎn)生方式如下。假設u,v∈[-1,1]的均勻分布的隨機量，且u，v彼此獨立，令s＝u2+v2；則可以產(chǎn)生兩個隨機數(shù)z0,z1，產(chǎn)生公式如下：z0=u*-2*ln(s)sz1=v*-2*ln(s)s---(4)]]>為了保證ln(s)<0，要求s<1且s?。?，若滿足條件，則可產(chǎn)生z0,z1,且z0,z1滿足N(0,1)產(chǎn)生數(shù)據(jù)過程中，為了保證所得數(shù)據(jù)不小于0，則利用正態(tài)分布特性P(μ-3σ<X≤μ+3σ)＝99.7％，將z0，z1右平移3個單位，可得實驗數(shù)據(jù)。為了更具可信度，產(chǎn)生多峰值的實驗數(shù)據(jù)，利用每100組數(shù)據(jù)進行一次上述過程，最后，進行統(tǒng)一歸一化處理。二、分析影響1)閾值的影響在聯(lián)盟關系的獲取過程中，聯(lián)盟關系閾值p1(p1∈[0,1])直接影響候選服務中存在聯(lián)盟關系的服務個數(shù)。對于任意服務si,若α>p1，則認為si存在聯(lián)盟關系，α表示[0,1]之間的隨機數(shù)。當p1值越小，聯(lián)盟數(shù)量越多。因此，為更好的模擬實際服務之間的聯(lián)盟規(guī)則，采取p1＝0.9，以0.01為步長，最大值為0.99進行實驗，在聯(lián)盟個數(shù)閾值等于0.0005的情況下，聯(lián)盟政策閾值等于0.05，平均適應度如圖12-16所示，時間開銷如表9所示。均方根誤差(RMSE)如表10所示，RMSE用于評測本文優(yōu)化方法的穩(wěn)定性，其計算公式為式(5)。RMSE=Σi=1n(Xi-X‾)2/n---(5)]]>其中表示n次重復試驗結果平均值，Xi表示第i次尋優(yōu)結果。由圖12-16可以看出，在候選服務集規(guī)模從100至500時，整體而言，聯(lián)盟關系閾值越大，適應度值越大，即實驗結果越差。這是因為閾值越大，聯(lián)盟關系個數(shù)越少，在同一數(shù)據(jù)集下，優(yōu)惠的政策較小。但因聯(lián)盟優(yōu)惠政策和聯(lián)盟關系的隨機性，導致適應度值的局部波動。表9聯(lián)盟關系閾值對時間開銷的影響(ms)由表9可以看出，每個算法在不同的候選服務集中，在聯(lián)盟關系閾值最大的情況下，時間開銷最少。但由于隨機性，這種大小關系并不是確定的，存在稍許波動，但差距不大，可以接受。表10聯(lián)盟關系閾值對RMSE影響由表10可以看出，隨著聯(lián)盟關系閾值的變化，RMSE值也隨之波動，但波動較小，并且在聯(lián)盟關系閾值為0.9時穩(wěn)定性最優(yōu)次數(shù)最大。綜上實驗結果，綜合考慮fitness、時間開銷以及穩(wěn)定性可得，本文聯(lián)盟關系閾值取0.9，一方面可以最好地反映實驗結果，同時也兼顧時間開銷與穩(wěn)定性。2)聯(lián)盟個數(shù)閾值的影響聯(lián)盟個數(shù)閾值是指對于以確定存在聯(lián)盟關系的服務而言，該服務綁定的聯(lián)盟個數(shù)，其閾值記為p2。本文假設服務的聯(lián)盟個數(shù)上限為snum*tnum*p2，其中，snum表示所有候選服務個數(shù)，tnum表示任務數(shù)，即服務聯(lián)盟個數(shù)隨著候選服務數(shù)以及任務數(shù)增長而增加。聯(lián)盟個數(shù)閾值p2的實驗取值從0.0001遞增為0.001，在關系閾值等于0.95，優(yōu)惠政策閾值等于0.05的情況下，100次重復實驗可得實驗結果的適應度如圖17-21所示，時間開銷如表11所示，穩(wěn)定性RMSE如表12所示。從如圖17-21可以看出，隨著閾值p2的增加，每個服務的聯(lián)盟個數(shù)增加，整體的關系數(shù)量增加，適應度整體而言呈下降趨勢，組合服務越優(yōu)。但仍存在隨機數(shù)的影響，導致局部呈波動狀態(tài)，但在整體變化趨勢中，該影響較小?？傊?，隨著聯(lián)盟個數(shù)閾值的增加，適應度呈現(xiàn)出越優(yōu)化的趨勢。表11聯(lián)盟個數(shù)閾值對時間開銷影響(ms)由表11可以看出，整體而言，隨著聯(lián)盟個數(shù)閾值的增加，聯(lián)盟關系個數(shù)逐步增加，關系表查詢時間逐步增加，時間開銷逐步增大。在聯(lián)盟個數(shù)閾值較小的情況下，由于隨機數(shù)的隨機性，聯(lián)盟關系個數(shù)只是有概率增加，所以出現(xiàn)少許波動現(xiàn)象，但不影響整體的變化趨勢，即隨著聯(lián)盟個數(shù)閾值的增加，時間開銷逐步增加。表12聯(lián)盟個數(shù)閾值對RMSE影響由表12可以看出，隨著聯(lián)盟個數(shù)閾值的增加，RMSE仍呈現(xiàn)出離散型分布特點，但整體的變化趨勢是穩(wěn)定次數(shù)逐步增多。例如在聯(lián)盟個數(shù)閾值為最大的情況下，有3次達到最穩(wěn)定狀態(tài)，而其他情況下，均小于3次，并且隨著聯(lián)盟個數(shù)閾值的增加，穩(wěn)定次數(shù)呈遞增變化。綜合上述結果，為保證實驗的實際意義，采用聯(lián)盟個數(shù)閾值為0.0009，不僅可以獲得最優(yōu)的適應度值，而且可以獲得最優(yōu)的穩(wěn)定性，雖然時間開銷相比于其他閾值稍大，但仍在2秒之內(nèi)，是可以接受的。3)聯(lián)盟政策閾值的影響聯(lián)盟政策閾值是指每個聯(lián)盟關系優(yōu)惠政策比例的上限，記為p3，根據(jù)公式(1)、(2)，確定優(yōu)惠政策γ(x)。聯(lián)盟政策閾值直接影響每個聯(lián)盟關系的優(yōu)惠值，為了更真實的模擬實際聯(lián)盟情況，實驗中p3采用0.01至0.1，以0.01為步長分組重復實驗，在聯(lián)盟關系閾值等于0.95，聯(lián)盟個數(shù)閾值等于0.0005的情況下，100次重復實驗所得適應度如圖22-26所示、時間開銷如表13、穩(wěn)定性如表14所示。由圖22-26可以看出，隨著聯(lián)盟政策閾值的增加，IPSO與IGA呈現(xiàn)出波動現(xiàn)象，IFOA呈微弱遞減趨勢。其中，出現(xiàn)波動是因為優(yōu)惠政策的隨機性，導致優(yōu)惠政策并不是按照單調趨勢變化，但不影響整體的變化趨勢。整體而言，隨著聯(lián)盟優(yōu)惠閾值的增加，組合服務的適應度值呈遞減變化趨勢。表13聯(lián)盟政策閾值對時間開銷影響(ms)由表13可以看出，隨著聯(lián)盟政策閾值的增加，時間開銷方面呈現(xiàn)出兩極化分布。理論上而言，聯(lián)盟政策閾值的變化，不會影響整體聯(lián)盟關系數(shù)量的變化，對時間開銷方面的影響很小，實驗結果表明，時間開銷最小多分布在聯(lián)盟政策閾值為0.04和0.09處，但整體而言，時間開銷差距非常小。表14聯(lián)盟政策閾值對穩(wěn)定性影響由表14可以看出，RMSE隨著聯(lián)盟政策閾值的變化呈離散分布，沒有統(tǒng)一的變化趨勢，同一數(shù)據(jù)集下，各數(shù)據(jù)之間差距很小，相比于候選服務數(shù)可以忽略不計。綜合實驗結果，為保證實驗效果和兼具高效與穩(wěn)定性，聯(lián)盟政策閾值采取0.1。以上閾值的確定，為QoS聯(lián)盟感知的服務組合模型與算法性能的分析奠定了基礎。接下來，我們從effectiveness有效性，efficiency效率，stability可擴展性三個方面分別分析各算法的求解性能，各算法種群規(guī)模設為100，進化代數(shù)500，在QWS和RWS數(shù)據(jù)集重復執(zhí)行100次實驗，取平均值作為實驗結果。三、有效性驗證了基于ARQasco方法的可解性，提出的算法的有效性，在一般的健身評估和提高利率時的候選服務的數(shù)量從100變化到500，對考慮聯(lián)盟關系和未考慮聯(lián)盟關系進行對比實驗。該提高率計算如下：improve_rate=fitnessold-fitnessnewfitnessold---(6)]]>其中,fitnessold表示沒有考慮聯(lián)盟關系的適應度值，fitnessnew表示考慮聯(lián)盟關系之后的適應度值。首先，我們從算法平均適應度對有效性進行分析，均采用100次重復試驗取其均值的方式作為最后的實驗結果。結果如圖27和圖28所示。由圖27可以看出，在QWS數(shù)據(jù)集中，橫向比較可得IFOA尋優(yōu)效果稍優(yōu)于IPSO與IGA，縱向而言，考慮聯(lián)盟關系的IFOA、IPSO、IGA尋優(yōu)效果分別顯著優(yōu)于沒考慮聯(lián)盟關系的FOA、PSO、GA。在RWS數(shù)據(jù)集中，橫向而言，隨著服務規(guī)模的增加，IGA算法逐步優(yōu)于其他算法，縱向考慮，仍為考慮聯(lián)盟關系的算法分別優(yōu)于沒考慮聯(lián)盟關系的算法。綜上可得，考慮聯(lián)盟關系的算法在QWS與RWS數(shù)據(jù)集中，相比于傳統(tǒng)算法都能找到更優(yōu)的結果。接下來，我們對考慮聯(lián)盟關系的三種算法提高率進行分析，實驗結果如圖29和圖30所示。由圖29可以看出，在QWS數(shù)據(jù)集中，隨著服務規(guī)模的增加，三種算法提高率呈遞增變化趨勢。同樣，從圖30看出，在RWS數(shù)據(jù)集下，三種提高率整體呈現(xiàn)遞增變化。因此，隨著服務規(guī)模的增加，考慮聯(lián)盟關系要明顯優(yōu)于未考慮聯(lián)盟關系，三種算法都能取得較好的提高率。四、效率為分析各算法在QoS聯(lián)盟感知的服務組合求解中的時間開銷，針對不同的候選服務規(guī)模，將考慮聯(lián)盟關系和未考慮聯(lián)盟關系的組合服務尋優(yōu)時間性能進行對比，實驗結果如圖31和圖32所示。由圖31可以看出，在QWS數(shù)據(jù)集中，雖然考慮聯(lián)盟關系的改進算法在時間開銷方面顯著大于沒考慮聯(lián)盟關系的算法，但總時間消耗不超過2秒。從圖32可知，在RWS數(shù)據(jù)集中，整體變化趨勢與QWS數(shù)據(jù)集一致，表明聯(lián)盟背景下的服務組合問題具有可行性。所以，在QWS數(shù)據(jù)集與RWS數(shù)據(jù)集中，在時效性方面，利用智能優(yōu)化算法均能夠在可以接收的時間范圍內(nèi)求解QASCO問題。五、可擴展性本文利用均方根誤差(RMSE)作為可擴展性評價參數(shù)，其計算公式為式(5)。實驗結果如圖33和圖34所示。由圖33與34可以看出，在QWS數(shù)據(jù)集中，整體而言，除了第一個異常點外，F(xiàn)OA及其改進IFOA的穩(wěn)定性優(yōu)于其他算法，雖然隨著服務規(guī)模的增加，穩(wěn)定性呈下降趨勢，但FOA的下降趨勢最小。在RWS數(shù)據(jù)集中，隨著服務規(guī)模的增加，GA的穩(wěn)定性逐步優(yōu)于其它算法，穩(wěn)定性雖然整體呈現(xiàn)出下降趨勢，但并不明顯。在QWS和RWS數(shù)據(jù)集中，考慮聯(lián)盟關系的群體智能優(yōu)化算法整體上略優(yōu)于未考慮聯(lián)盟關系的情形。通過以上四個方面的分析，在QoS聯(lián)盟感知的服務組合優(yōu)化模型中，常用的群體智能優(yōu)化算法，均可以取得良好的有效性、高效性以及穩(wěn)定性，可以很好的用于解決QoS聯(lián)盟感知的服務組合問題。因此，本文算法具有很好地可行性、有效性和普適性。并且，考慮聯(lián)盟關系的實驗結果整體上均優(yōu)于沒考慮聯(lián)盟關系的情形。以上示意性地對本發(fā)明創(chuàng)造及其實施方式進行了描述，該描述沒有限制性，在不背離本發(fā)明的精神或者基本特征的情況下，能夠以其他的具體形式實現(xiàn)本發(fā)明。附圖中所示的也只是本發(fā)明創(chuàng)造的實施方式之一。所以，如果本領域的普通技術人員受其啟示，在不脫離本創(chuàng)造宗旨的情況下，不經(jīng)創(chuàng)造性的設計出與該技術方案相似的結構方式及實施例，均應屬于本專利的保護范圍。當前第1頁1 2 3