满足情感蚁群的服务组合优化方法

doi:10.3724/SP.J.1087.2012.03347

计算机应用 ›› 2012, Vol. 32 ›› Issue (12): 3347-3352.DOI: 10.3724/SP.J.1087.2012.03347

满足情感蚁群的服务组合优化方法

马洪江¹,周相兵¹,²

1. 阿坝师范高等专科学校计算机科学系，四川汶川 623002
2. 成都理工大学信息科学与技术学院成都 610059

收稿日期:2012-06-27 修回日期:2012-08-24 发布日期:2012-12-29 出版日期:2012-12-01
通讯作者: 马洪江
作者简介:马洪江（1968-），男，四川邛崃人，教授，主要研究方向：面向旅游的服务、云计算；〓周相兵（1980-），男，四川仪陇人，副教授，硕士研究生，CCF会员，主要研究方向：面向旅游的服务、云计算、旅游信息化。

Service composition optimization approach based on affection ant colony algorithm

MA Hong-jiang¹,ZHOU Xiang-bing¹,²

1. Department of Computer Science, Aba Teachers College, Wenchuan Sichuan 623002, China
2. School of Information Science and Technology, Chengdu University of Technology, Chengdu Sichuan 610059, China

Received:2012-06-27 Revised:2012-08-24 Online:2012-12-29 Published:2012-12-01
Contact: MA Hong-jiang

摘要/Abstract

摘要： 在服务计算模式下，通过引入情感来改进服务组合效率。首先，建立一种满足行为分析的情感感知空间，并定义认知来推理情感变化情况，使情感与认知能有效的映射。同时，定义了情感衰减和更新机制来保持情感变化稳定性。其次，将所建立的情感机制引入蚁群算法中，形成一种满足情感变化的蚁群算法，并将该算法应用到服务组合中实现优化。最后在Web服务建模本体(WSMO)下提供的VTA中实验表明，该方法有效且可行。

关键词: 情感, 认知, 服务组合, 蚁群算法

Abstract: In the service computing mode, affection behaviour was employed to improve the efficiency of service composition. Firstly, an affection space was built to meet behaviour demands, and cognition was defined to reason state change of affection. In the change processing, mapping was done between affection and cognition, and emotion decay and emotion update were defined to maintain the stability of affective change. Secondly, affective mechanism was put into ant colony algorithm, which formed an affection ant colony algorithm, and the algorithm was applied to Web Service Modeling Ontology (WSMO) service composition. Finally, the paper adopted a Virtual Travel Agency (VTA) example under WSMO to show this approach was effective and feasible.

Key words: Affection, Cognition, Service Composition, Ant colony Algorithm

马洪江周相兵. 满足情感蚁群的服务组合优化方法[J]. 计算机应用, 2012, 32(12): 3347-3352.

MA Hong-jiang ZHOU Xiang-bing. Service composition optimization approach based on affection ant colony algorithm[J]. Journal of Computer Applications, 2012, 32(12): 3347-3352.

[1]	张笑非, 杨阳, 黄佳进, 钟宁. 基于度中心性的认知特征选择方法[J]. 计算机应用, 2021, 41(9): 2767-2772.
[2]	赵秋云, 魏乐, 舒红平. 面向制造任务的云制造虚拟车间构造方法[J]. 计算机应用, 2021, 41(7): 2003-2011.
[3]	周烁, 仇润鹤, 唐旻俊. 基于禁忌搜索和Q-learning的CR-NOMA系统的功率分配算法[J]. 计算机应用, 2021, 41(7): 2026-2032.
[4]	章荪, 尹春勇. 基于多任务学习的时序多模态情感分析模型[J]. 计算机应用, 2021, 41(6): 1631-1639.
[5]	赖雪梅, 唐宏, 陈虹羽, 李珊珊. 基于注意力机制的特征融合-双向门控循环单元多模态情感分析[J]. 计算机应用, 2021, 41(5): 1268-1274.
[6]	杨丰瑞, 霍娜, 张许红, 韦巍. 基于注意力机制的主题扩展情感对话生成[J]. 计算机应用, 2021, 41(4): 1078-1083.
[7]	孔伶旭, 吴海锋, 曾玉, 陆小玲. 使用深度学习和不同频率维度的脑功能性连接对轻微认知障碍的诊断[J]. 计算机应用, 2021, 41(2): 590-597.
[8]	孟祥瑞, 杨文忠, 王婷. 基于图文融合的情感分析研究综述[J]. 计算机应用, 2021, 41(2): 307-317.
[9]	邱宁佳, 王晓霞, 王鹏, 王艳春. 融合语法规则的双通道中文情感模型分析[J]. 计算机应用, 2021, 41(2): 318-323.
[10]	邓钰, 李晓瑜, 崔建, 刘齐. 用于短文本情感分类的多头注意力记忆网络[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3132-3138.
[11]	郭可心, 张宇翔. 基于多层次空间注意力的图文评论情感分析方法[J]. 计算机应用, 2021, 41(10): 2835-2841.
[12]	袁景凌, 丁远远, 潘东行, 李琳. 基于时序和上下文特征的中文隐式情感分类模型[J]. 计算机应用, 2021, 41(10): 2820-2828.
[13]	杨书新, 张楠. 融合情感词典与上下文语言模型的文本情感分析[J]. 计算机应用, 2021, 41(10): 2829-2834.
[14]	杨璐, 何明祥. 基于门控机制和卷积神经网络的中文文本情感分析模型[J]. 计算机应用, 2021, 41(10): 2842-2848.
[15]	朱思淼, 魏世伟, 魏思恒, 余敦辉. 基于弹幕情感分析和主题模型的视频推荐算法[J]. 计算机应用, 2021, 41(10): 2813-2819.

满足情感蚁群的服务组合优化方法

Service composition optimization approach based on affection ant colony algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics