基于QoS和模糊粒子群优化的语义Web服务发现

计算机应用 ›› 2012, Vol. 32 ›› Issue (05): 1347-1350.

基于QoS和模糊粒子群优化的语义Web服务发现

李蜀瑜

陕西师范大学计算机科学学院，西安 710062

收稿日期:2011-10-27 修回日期:2011-12-08 发布日期:2012-05-01 出版日期:2012-05-01
通讯作者: 李蜀瑜
作者简介:李蜀瑜(1978-)，男，四川资中人，副教授，博士，CCF会员，主要研究方向：Web服务、嵌入式系统。
基金资助:
教育部科学研究重点资助项目（107106）;中央高校基本科研业务费资助项目(GK201002011)

New semantic web service discovery approach based on QoS andfuzzy particle swarm optimization

LI Shu-yu

School of Computer Science, Shaanxi Normal University，Xi'an Shaanxi 710062, China

Received:2011-10-27 Revised:2011-12-08 Online:2012-05-01 Published:2012-05-01
Contact: LI Shu-yu

摘要/Abstract

摘要： 针对现有基于服务质量(QoS)的语义Web服务发现方法中的不足，提出一种采用模糊粒子群算法的语义Web服务发现方法。根据服务发现问题定义了粒子的位置和速度，引入了模糊理论和增量惯性因子，较好地解决了粒子群算法的未成熟收敛问题，提高了基于粒子群算法的语义Web服务发现方法的查准率。实验验证了该方法的有效性。

关键词: Web服务发现, Web服务质量, 粒子群优化, 模糊, 增量惯性因子

Abstract: Lacking effective Quality of Service (QoS) support in Web services discovery, a new semantic Web service discovery approach supporting QoS based on fuzzy Particle Swarm Optimization (PSO) was proposed. Firstly, in order to meet users' fuzzy QoS request, fuzzy theory was applied in describing QoS. Then, to improve the PSO, a new theory was proposed that one particle was affected by multi-particles and increment inertia factor was designed. At last, the experimental results have shown the effectiveness of the proposed method.

Key words: Web service discovery, QoS of Web service, Particle Swarm Optimization (PSO), fuzzy, incremental inertia weight

中图分类号:

TP311
TP18

李蜀瑜. 基于QoS和模糊粒子群优化的语义Web服务发现[J]. 计算机应用, 2012, 32(05): 1347-1350.

LI Shu-yu. New semantic web service discovery approach based on QoS andfuzzy particle swarm optimization[J]. Journal of Computer Applications, 2012, 32(05): 1347-1350.

参考文献

［1］GUHA T, LUDWIG S A. Comparison of service selection algorithm for grid services: Multiple objective particle swarm optimization and constraint satisfaction based service selection［C］// Proceedings of 20th IEEE International Conference on Tools with Artificial Intelligence. Washington, DC: IEEE Computer Society, 2008:172-179.

［2］LIU XIANGWEI, YIN Z X. Web service composition with global constraint based on discrete particle swarm optimization［C］// Proceedings of IITA International Conference on Services Science, Management and Engineering. Washington, DC: IEEE Computer Society,2009: 183-186.

［3］HU CHUNHUA, WU MIN, LIU GUOPING,et al. QoS scheduling algorithm based on hybrid particle swarm optimization strategy for grid workflow［C］// Proceedings of 6th International Conference on Grid and Cooperative Computing. Washington, DC: IEEE Computer Society,2007: 330-337.

［4］BASKAR S, SUGANTHAN P N. A novel concurrent particle swarm optimization［C］// Proceedings of the Congress on Evolutionary Computation. Washington, DC: IEEE Computer Society,2004，1:792-796.

［5］秦汝烈.适应模糊QoS约束优化的Web服务选择技术研究［J］.计算机工程与应用,2009,45(3): 66-69.

［6］段晓东,王存睿,刘向东,等.基于粒子群算法的Web社区发现［J］.计算机科学,2008,35(3):18-21.

［7］夏虹,李增智.粒子群算法求解Web服务组合中基于QoS的服务选择［J］.北京邮电大学学报,2009,32(4):63-67.

［8］王文彬,孙其博,赵新超,等.基于非均衡变异离散粒子群算法的QoS全局最优Web服务选择方法［J］.电子学报,2010,38(12):2774-2779.

［9］蔡华利,刘鲁,樊坤,等.基于BPSO的Web服务推荐策略［J］. 深圳大学学报：理工版，2010,27(1):49-55.

［10］刘鹏.Web Services服务质量的研究［D］.长沙：国防科学技术大学,2008.

［11］张成文.基于遗传算法的具有全局QoS限制的Web服务选择［D］.北京：北京邮电大学,2007.

［12］魏静萱.解决单目标和多目标优化问题的进化算法［D］.西安：西安电子科技大学,2009.

［13］纪震, 廖慧连，吴青华.粒子群算法及应用［M］.北京:科学出版社,2009.

［14］NAKAMURA K, SAKASHITA N, NITTA Y,et al. Fuzzy inference and fuzzy inference processor［J］. IEEE Micro, 1993,13(5):37-48.

［15］郭得科,任彦,陈洪辉,等. 一种基于QoS约束的Web服务选择和排序模型［J］.上海交通大学学报，2007,41(6):870-875.

[1]	倪萍, 陈伟. 基于模糊测试的反射型跨站脚本漏洞检测[J]. 计算机应用, 2021, 41(9): 2594-2601.
[2]	石雪松, 李宪华, 孙青, 宋韬. 基于人工蜂群与模糊C均值的自适应小波变换的噪声图像分割[J]. 计算机应用, 2021, 41(8): 2312-2317.
[3]	张闻强, 邢征, 杨卫东. 基于多区域采样策略的混合粒子群优化求解多目标柔性作业车间调度问题[J]. 计算机应用, 2021, 41(8): 2249-2257.
[4]	张盟, 郭健全. 需求和回收不确定的闭环供应链渠道结构选择[J]. 计算机应用, 2021, 41(7): 2100-2107.
[5]	杜炎, 吕良福, 焦一辰. 基于模糊推理的模糊原型网络[J]. 计算机应用, 2021, 41(7): 1885-1890.
[6]	张林发, 张榆锋, 王琨, 李支尧. 基于直觉模糊集和亮度增强的医学图像融合[J]. 计算机应用, 2021, 41(7): 2082-2091.
[7]	王小荣, 张玉召, 张振江. 基于双论域粗糙集的快捷货物运输方案选择[J]. 计算机应用, 2021, 41(5): 1500-1505.
[8]	周美玲, 陈淮莉. 基于负荷平衡的电动汽车模糊多目标充电调度算法[J]. 计算机应用, 2021, 41(4): 1192-1198.
[9]	李萍, 汪芬, 陈祺东, 孙俊. 求解多目标社区发现问题的离散化随机漂移粒子群优化算法[J]. 计算机应用, 2021, 41(3): 803-811.
[10]	马艳芳, 王珊, 黄岭玉, 程聪. 模糊需求下低碳取送货车辆调度问题与算法[J]. 计算机应用, 2021, 41(3): 851-859.
[11]	唐延强, 李成海, 宋亚飞. 基于改进粒子群优化和极限学习机的网络安全态势预测[J]. 计算机应用, 2021, 41(3): 768-773.
[12]	袁芊芊, 邓洪敏, 王晓航. 基于超像素快速模糊C均值聚类与支持向量机的柑橘病虫害区域分割[J]. 计算机应用, 2021, 41(2): 563-570.
[13]	王泽昆, 贺毅朝, 李焕哲, 张发展. 基于新颖S型转换函数的二进制粒子群优化算法求解具有单连续变量的背包问题[J]. 计算机应用, 2021, 41(2): 461-469.
[14]	樊小毛, 熊红林, 赵淦森. 带约束的清洁排班问题模型及其求解[J]. 计算机应用, 2021, 41(2): 577-582.
[15]	李福海, 蒋慕蓉, 杨磊, 谌俊毅. 基于生成对抗网络的梯度引导太阳斑点图像去模糊方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3345-3352.