基于混合协同进化算法的Web服务组合演化策略

计算机应用 ›› 2012, Vol. 32 ›› Issue (06): 1717-1720.

基于混合协同进化算法的Web服务组合演化策略

王萌¹,李蜀瑜²

1. 陕西师范大学计算机科学学院，西安 710062
2. 陕西师范大学计算机科学学院，西安 710062

收稿日期:2011-11-30 修回日期:2012-01-20 发布日期:2012-06-04 出版日期:2012-06-01
通讯作者: 王萌
作者简介:王萌(1985-),男,安徽全椒人,硕士研究生,主要研究方向:Web服务演化；〓李蜀瑜(1978－),男,四川资中人,副教授,博士,主要研究方向:嵌入式系统、Web服务。
基金资助:
国家自然科学基金资助项目;中央高校基本科研业务费专项资金资助（supported by the Fundamental Research Funds for the Central Universities）;陕西师范大学研究生创新基金资助

Web service evolution framework based on hybrid co-evolution algorithm

WANG Meng¹,LI Shu-yu²

1. College of Computer Science, Shaanxi Normal University, Xi’an Shaanxi 710062, China
2. School of Computer Science, Shaanxi Normal University，Xi'an Shaanxi 710062, China

Received:2011-11-30 Revised:2012-01-20 Online:2012-06-04 Published:2012-06-01
Contact: WANG Meng

摘要/Abstract

摘要： 为了在服务组合演化过程中高效地选择满足服务请求的Web服务，提出了一种基于混合协同进化算法的Web服务组合演化策略。首先，利用改进模糊C均值聚类算法将Web服务演化单元按应用分类；然后，利用带权值的粒子群算法对划分好的子群进行内部择优；最后，对各个子群进行协同进化，使得针对用户服务请求，能够选出最优Web服务演化组合。实验结果表明，混合协同进化算法无论在算法稳定性或是算法运算时间上都优于传统协同进化算法，且对于Web环境下大量的服务请求能够提供优质、高效的服务。

关键词: Web服务, 模糊C均值, 粒子群算法, 协同进化算法

Abstract: In order to selecte the web services which meet the request in the evolution of Web services efficiently , we propose a web services evolution strategy based on hybrid co-evolutionary algorithm. First of all, by means of the improved fuzzy C-means clustering algorithm, we classify the web services unit into groups according to the application, and then making the internal prioritizing for each subgroup using Particle Swarm Optimization with weights. Finally the co-evolution operation will be executed among the particle subgroups so as to fulfil the users requests and select the best Web services evolution combination. The experimental results show that the hybrid co-evolutionary algorithm is superior to the traditional co-evolutionary algorithms not only in stability, but also the operation cost of time, and could provide quality and efficient services to the service requests in the web environment.

Key words: Web service, Fuzzy C-Means (FCM), Particle Swarm Optimization (PSO), Co-evolutionary Genetic Algorithm (CGA)

中图分类号:

TP311

王萌李蜀瑜. 基于混合协同进化算法的Web服务组合演化策略[J]. 计算机应用, 2012, 32(06): 1717-1720.

WANG Meng LI Shu-yu. Web service evolution framework based on hybrid co-evolution algorithm[J]. Journal of Computer Applications, 2012, 32(06): 1717-1720.

[1]	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.
[2]	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.
[3]	孙建军, 徐岩. 基于加权改进模糊C均值聚类的欠定混合矩阵估计[J]. 计算机应用, 2020, 40(6): 1769-1773.
[4]	王燕, 何宏科. 基于邻域信息的改进模糊c均值脑MRI分割[J]. 计算机应用, 2020, 40(4): 1196-1201.
[5]	董发志, 丁洪伟, 杨志军, 熊成彪, 张颖婕. 基于遗传算法和模糊C均值聚类的WSN分簇路由算法[J]. 计算机应用, 2019, 39(8): 2359-2365.
[6]	赵士操, 肖永浩, 段博文, 李于锋. HSWAP:适用于高性能计算环境的数值模拟工作流管理平台[J]. 计算机应用, 2019, 39(6): 1569-1576.
[7]	冯国政, 徐金东, 范宝德, 赵甜雨, 朱萌, 孙潇. 基于半监督模糊C均值算法的遥感影像分类[J]. 计算机应用, 2019, 39(11): 3227-3232.
[8]	王荣淼, 张峰峰, 詹蔚, 陈军, 吴昊. 基于空间约束的模糊C均值聚类肝脏CT图像分割[J]. 计算机应用, 2019, 39(11): 3366-3369.
[9]	刘晓明, 沈明玉, 侯整风. 基于Levy飞行的萤火虫模糊聚类算法[J]. 计算机应用, 2019, 39(11): 3257-3262.
[10]	武旭晨, 朴春慧, 蒋学红. 基于GPU并行计算的电动出租车新建充电站选址模型[J]. 计算机应用, 2019, 39(10): 3071-3078.
[11]	王庆荣, 王瑞峰. 基于改进粒子群算法的配电网重构策略[J]. 计算机应用, 2018, 38(9): 2720-2724.
[12]	戚攀, 包开阳, 马皛源. 基于模糊C均值聚类及群体智能的WSN分层路由算法[J]. 计算机应用, 2018, 38(7): 1974-1980.
[13]	熊兴隆, 杨立香, 马愈昭, 庄子波. 基于模糊C均值的低空风切变预警算法[J]. 计算机应用, 2018, 38(3): 655-660.
[14]	史兵, 段锁林, 李菊, 王朋, 朱益飞. 基于无线传感器网络的室内移动灭火机器人系统设计[J]. 计算机应用, 2018, 38(1): 284-289.
[15]	梁冰, 徐华. 基于改进人工蜂群的核模糊聚类算法[J]. 计算机应用, 2017, 37(9): 2600-2604.