混沌蚁群算法的Web服务组合优化研究

作     者：承松 周井泉 常瑞云 CHENG Song;ZHOU Jing-quan;CHANG Rui-yun

作者机构：南京邮电大学电子科学与工程学院江苏南京210003 

出 版 物：《计算机技术与发展》 (Computer Technology and Development)

年 卷 期：2017年第27卷第2期

页      面：178-181,186页

学科分类：08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61401225) 中国博士后科学基金资助项目(2015M571790) 

主　　题：Web服务组合 模糊专家系统 用户体验质量 混沌蚁群算法 

摘      要：为保证Web服务组合满足用户对Web服务质量日益增长的需求,提出了基于体验质量(Quality of Experience,Qo E)的Web服务组合优化方法,即建立模糊专家系统(Fuzzy Expert System)Qo E评估模型,并转化为Web服务组合优化的数学模型,采用混沌蚁群算法(Chaos Ant Colony Optimization,CACO)进行Web服务组合优化求解。该方法利用混沌算法的遍历性、随机性和规律性,通过引入混沌扰动来避免优化过程中出现局部最优解,以期获得服务组合的全局最优解。为验证CACO算法的可行性和有效性,对其与人工蜂群算法(ABC)、粒子群算法(PSO)和原始蚁群算法(ACO)等进行了同步对比实验。实验结果表明,CACO算法相比其他算法具有运行时间短、收敛速度快且稳定性高的优点,具有较好的发展前景。