基于改进蚁群算法的可信服务发现
第３４卷第ｌＯ期 ２０１３年ｌＯ月 通信学报 Ｊｏｕｒｎａｌ ｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ 、，０ｌｌ３４ Ｎｏ．１Ｏ Ｏｃｔｏｂｅｒ ２０１３ ｄｏｉ：１０．３９６９￣．ｉｓｓｎ．１０００—４３６ｘ．２０１３．１０．００５
基于改进蚁群算法的可信服务发现
盛国军 ，一，温涛 ，一，郭权 ，宋晓莹１，２
（１．东北大学软件中心，辽宁沈阳１１０００４：２．大连东软信息学院辽宁省网络安全与计算技术重点实验室，辽宁大连１１６０２３）
摘要：针对非结构化Ｐ２Ｐ网络中的服务发现问题，提出了一种基于改进蚁群算法的可信服务发现方法。该方法 在传统蚁群算法基础上应用若干新的策略控制蚁群的行为，如动态蚁群策略、子蚂蚁策略、服务节点的信誉评估 策略以及蚂蚁的恶意节点惩罚策略等，高信誉服务节点在蚂蚁的推荐下进行邻居更换和自组织。这些策略和方法 为蚁群算法在分布式环境下服务发现的应用研究提供了一种新思路。实验结果表明，本算法在各种常见复杂网络 环境下仍可保证较高的可信服务查准率和更高的综合服务发现效率，通过对实验数据的分析和解释得到了若干有 益的结论，为进一步的研究工作奠定了基础。 关键词：服务发现；自组织网络；可信服务；动态蚁群策略；子蚂蚁策略 中图分类号：ＴＰ３１１ 文献标识码：Ａ 文章编号：１０００．４３６Ｘ（２０１３）１０．００３７，１２
Ｔｒｕｓｔｗｏｒｔｈｙ ｓｅｒｖｉｃｅ ｄｉｓｃｏｖｅｒｙ ｂａｓｅｄ ｏｎ
ａ ｍｏｄｉｆｉｅｄ ａｎｔ ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍ
ＳＨＥＮＧ Ｇｕｏ－ｊｕｎ ，ＷＥＮ Ｔａｏ ，ＧＵＯ Ｑｕａｎ ．ＳＯＮＧ Ｘｉａｏ ｙｉｎｇ ，
（１．Ｓｏｆｔｗａｒｅ Ｃｅｎｔｅｒ，Ｎｏｒｔｈｅａｓｔｅｒｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｙａｎｇ １１０００４，Ｃｈｉｎａ； ２．Ｌｉａｏｎｉｎｇ Ｋｅｙ Ｌａｂ ｏｆＮｅｔｗｏｒｋ Ｓｅｃｕｒｉｔｙ ａｎｄ Ｃｏｍｐｕｔｍｇ Ｔｅｃｈｎｏｌｏｇｙ，Ｄａｌｉａｎ Ｎｅｕｓｏｆｔ Ｉｎｆｏｒｍａｔｉｏｎ Ｉｎｓｔｉｔｕｔｅ，Ｄａｌｉａｎ １ １６０２３，Ｃｈｍａ）
Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇ ａｔ ｔｈｅ ｐｒｏｂｌｅｍ ｏｆ ｓｅｒｖｉｃｅ ｄｉｓｃｏｖｅｒｙ ｉｎ ｕｎｓｔｒｕｃｔｕｒｅｄ Ｐ２Ｐ ｎｅｔｗｏｒｋ，ａ ｔｒｕｓｔｗｏｒｔｈｙ ｓｅｒｖｉｃｅ ｄｉｓｃｏｖｅｒｙ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ａ ｍｏｄｉｆｉｅｄ ａｎｔ ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍ ｗａｓ ｐｒｏｐｏｓｅｄ．Ｓｏｍｅ ｎｏｖｅｌ ｐｏｌｉｃｉｅｓ ｗｅｒｅ ｉｎｔｒｏｄｕｃｅｄ ｔｏ ｃｏｎｔｒｏｌ ｔｈｅ ｂｅ— ｈａｖｉｏｒ ｏｆ ｔｈｅ ａｎｔ ｃｏｌｏｎｙ，ｓｕｃｈ ａｓ ｔｈｅ ｄｙｎａｍｉｃ ａｎｔ ｃｏｌｏｎｙ ｐｏｌｉｃｙ，ｔｈｅ ｓｕｂ－ａｎｔ ｐｏｌｉｃｙ，ｔｈｅ ｒｅｐｕｔａｔｉｏｎ ｅｖａｌｕａｔｉｏｎ ｐｏｌｉｃｙ ｔｏ ｓｅｒｖｉｃｅ ｐｅｅｒｓ，ａｎｄ ｔｈｅ ｐｕｎｉｓｈｍｅｎｔ ｐｏｌｉｃｙ ｔｏ ｍａｌｉｃｉｏｕｓ ｐｅｅｒｓ．Ｓｅｒｖｉｃｅ ｐｅｅｒｓ ｗｉｔｈ ｈｉｇｈ ｒｅｐｕｔａｔｉｏｎ ｃｏｕｌｄ ｃｈａｎｇｅ ｔｈｅｉｒ ｎｅｉｇｈｂｏｒｓ ａｎｄ ｍａｋｅ ｓｅｌｆ－ｏｒｇａｎｉｚａｔｉｏｎ ｕｎｄｅｒ ｔｈｅ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｏｆ ａｎｔｓ．Ｔｈｅｓｅ ｐｏｌｉｃｉｅｓ ａｎｄ ｍｅｔｈｏｄｓ ｐｒｏｖｉｄｅ ｎｅｗ ｉｄｅａｓ ｆｏｒ ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｒｅｓｅａｒｃｈｅｓ ｏｆ ａｎｔ ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍｓ ｉｎ ｔｈｅ ｆｉｅｌｄ ｏｆ，ｄｉｓｔｒｉｂｕｔｅｄ ｓｅｒｖｉｃｅ ｄｉｓｃｏｖｅｒｙ．Ｔｈｅ ｒｅｓｕｌｔｓ ｏｆ ｅｘｐｅｒｉ— ｍｅｎｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ ａｌｇｏｒｉｔｈｍ Ｃａｎ ｇｕａｒａｎｔｅｅ ｈｉｇｈｅｒ ｔｒｕｓｔｗｏｒｔｈｙ ｓｅｒｖｉｃｅ ｐｒｅｃｉｓｉｏｎ ａｎｄ ｂｅＲｅｒ ｉｎｔｅｇｒａｔｅｄ ｓｅｒｖｉｃｅ ｄｉｓｃｏｖｅｒｙ ｐｅｒｆｏｒｍａｎｃｅ ｉｎ ｃｏｍｐｌｅｘ ｎｅｔｗｏｒｋ ｅｎｖｉｒｏｎｍｅｎｔｓ，ａｎｄ ｓｏｍｅ ｕｓｅｆｕｌ ｃｏｎｃｌｕｓｉｏｎｓ ｗｅｒｅ ｏｂｔａｉｎｅｄ ｔｈｒｏｕｇｈ ｔｈｅ ａｎａｌｙ— ｓｉｓ ａｎｄ ｅｘｐｌａｎａｔｉｏｎ ｏｆｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｄａｔａ，ｌａｙｉｎｇ ａ ｓｏｌｉｄ ｆｏｕｎｄａｔｉｏｎ ｆｏｒ ｆｕｒｔｈｅｒ ｒｅｓｅａｒｃｈｅｓ． Ｋｅｙ ｗｏｒｄｓ：ｓｅｒｖｉｃｅ ｄｉｓｃｏｖｅｒｙ；ｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇ ｎｅｔｗｏｒｋ；ｔｒｕｓｔｗｏｒｔｈｙ ｓｅｒｖｉｃｅ；ｄｙｎａｍｉｃ ａｎｔ ｃｏｌｏｎｙ ｐｏｌｉｃｙ；ｓｕｂ—ａｎｔ ｐｏｌｉｃｙ
１ 引言
Ｐ２Ｐ网络中的各节点是逻辑对等的，各节点自 治又相互合作．可以把ｉｎｔｅｒｎｅｔ看成一个Ｐ２Ｐ系统， 系统中的组件通过互相提供服务进行对等交互。网
络中任何节点都可以发布自己的服务，服务消费者 在面对网络中存在着的大量功能相同或相似、服务 质量不同的服务，由于缺乏交互经验而使其面临着 不确定的交易风险，在正式调用目标服务之前，服 务消费者无法在可行的时间和成本范围内对这些 第三方提供的Ｗｅｂ服务进行完备的测试，从而很难
得知目标服务是否安全可信，这为Ｐ２Ｐ环境下的可 信服务发现提出了更高的要求，即Ｐ２Ｐ系统应具有
一个能使节点间相互帮助和协作来发现高信誉服
务节点的方法。在大规模开放的Ｐ２Ｐ系统中，采用 传统的服务等级协议或第三方中心节点来保证服
收稿日期：２０１３．０１．２８；修回日期：２０１３—０４．２２ 基金项目：国家自然科学基金资助项目（６１１７０１６８，６１１７０１６９） Ｆｏｕｎｄａｔｉｏｎ Ｉｔｅｍ：Ｔｈｅ Ｎａｔｉｏｎａｌ Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｆｏｕｎｄａｔｉｏｎ ｏｆＣｈｉｎａ（６１ １７０１６８，６１ １７０１６９）
通信学报 第３４卷
务质量的方法耗时耗力，且运行成本很高，而信任 和信誉…机制更加适用于大规模开放Ｐ２Ｐ系统中可
信资源的管理，近年来在学术界和工业界受到极大 关注。ＥｉｇｅｎＴｒｕｓｔ［２］是典型的全局信任模型，该模型
通过节点间信任度的迭代为每个节点计算全局信
任值，网络中节点的全局信誉由与其交互过的其他 节点对该节点的评价聚合而成，该模型还假设Ｐ２Ｐ
网络在创建时就具有全局高信任值的节点存在，其 在整个Ｐ２Ｐ网络范围内的迭代将导致巨大开销，这
是大部分基于Ｐ２Ｐ网络的全局信任模型所具有的共 同问题。泛洪（ｆｌｏｏｄｉｎｇ）是传统非结构化Ｐ２Ｐ网络资
源查找的典型路由算法，其盲目的消息转发方式造 成的通信开销十分巨大对于大规模Ｐ２Ｐ网络，即使 采用ＴＴＬ限制的广播方式也会造成大量网络资源 浪费。而蚁群算法ｌ３ （ＡＣＳ，ａｎｔ ｃｏｌｏｎｙ ｓｙｓｔｅｍ）由于具
有良好的白适应性和动态自组织性，能较好地解决 大规模Ｐ２Ｐ网络中的路由问题。
本文为解决上述非结构化Ｐ２Ｐ网络中的可信服 务定位问题，将蚁群算法与Ｐ２Ｐ网络中的信誉机制
相结合，提出了一种基于自组织Ｐ２Ｐ网络与改进蚁 群算法的可信服务发现方法。该方法在传统蚁群算 法基础上应用若干新的策略控制蚁群的行为，高信
誉服务节点在蚂蚁的推荐下进行邻居更换和白组 织。实验结果表明，该算法可在各种常见复杂网络
环境下保证较高的可信服务查准率，且可以大幅度 降低蚂蚁网络漫游的总跳数，从而使算法的单跳查
询效率得到大幅提升。
２相关工作
文献［４］提出一种基于Ｐ２Ｐ网络和语义技术的 服务发现方法，该方法将Ｐ２Ｐ网络中语义相似的节 点聚类成语义群，每个服务查询请求按照语义匹配
度被路由到特定的语义群以提高查询效率。文献［５］ 提出一种基于结构化Ｐ２Ｐ网络的服务发现方法，该
方法采用增强的Ｃｈｏｒｄ协议，用分层次的多环取代 传统Ｃｈｏｒｄ协议中的单环，根据打分选择出服务提 供能力强的节点组成超环来管理Ｐ２Ｐ网络。文献［６］ 提出了一种基于多ａｇｅｎｔ系统的分布式服务发现框
架，该系统中的ａｇｅｎｔ可根据自己的服务查询偏好
和效用进行邻居更新和自组织以提高服务查询的 成功率。潘静等１７１提出一种基于声誉的推荐者发现
方法，该方法通过信任的传递计算具有高声誉值的
服务推荐者，其研究重点是发现可信的服务推荐 者。谢晓芹等 ］提出 种基于推荐网络的服务发现
方法，该方法使用推荐有效地提高了服务发现的效
率，引入蚁群算法并使用节点社交度和服务信息度 引导蚂蚁的漫游过程，但该模型没有考虑Ｐ２Ｐ网络 中恶意服务提供者对服务发现结果造成的影响。郑 啸 ９］提出一种基于移动ａｇｅｎｔ的服务发现机制，
该方法中，ＳｅａｒｃｈＡｇｅｎｔ从无结构化Ｐ２Ｐ网络中具
有服务注册功能的中心服务节点出发与ＧｕｉｄｅＡｇｅｎｔ 合作寻找目标服务，该方法仍然缺少对可信服务发 现问题的考虑。ＦＥＬＩＸ Ｇ Ｍ等ＩⅢ 提出了一种Ｐ２Ｐ
网络环境下基于蚁群算法的可信服务发现模型 ＴＡＣＳ，在该模型中，蚂蚁发现的高信誉服务节点对
应路径上的信息素得到增强，恶意服务节点对应路 径上的信息素值将会得到惩罚，该模型的主要问题
在于：在每轮迭代后，服务请求节点要通过对蚂蚁 发现的服务的实际调用结果来评价该节点的信誉类 型，多次迭代将导致大量的服务调用成本，该设计
不合理也不具有实践可操作性；另外ＴＡＣＳ模型对 应实验中的Ｐ２Ｐ网络只有几十个节点以内的数量级，
节点数量太少导致蚂蚁的路由复杂度和难度过于简 单从而缺乏对算法性能的有力支持。 在以上相关研究的基础上，本文提出了一种非
结构化Ｐ２Ｐ网络中的可信服务发现方法，该方法将 蚁群算法与Ｐ２Ｐ网络中的信誉机制相结合，蚂蚁利
用其漫游路径上的服务消费者节点对相关服务的 历史调用信息推导出服务提供者的局部信誉视图，
并将其用于对相关服务提供者的信誉评估中。通过 常见的各种类型大规模Ｐ２Ｐ网络的仿真实验表明， 该方法能获得较高的可信服务查全率和查准率。
３问题描述
定义１信誉：Ｊｏｓａｎｇ将信誉定义¨ｌＩ为“信誉
是群体关于某人或某事的特征或立场的大众观点
和看法。” 定义２服务的局部信誉：Ｐ２Ｐ服务网络中， 所有该服务消费者节点集合中的部分节点对该服 务结果的总体评价和看法。
定义３服务交易日志是一个四元组ＳＴＬ＝（ｓｐ，
ｋｗｓ，ｔｉｍｅ，ｓａｔ），ｓｐ是服务提供者节点标识，ｋｗｓ是被 调用服务的关键字标识，ｔｉｍｅ是服务调用时间， ｓａｔｅ【＿＿１，１】是服务消费者调用完服务后对该服务结
果的满意度，当一个节点调用另一个节点的服务
后，服务请求者节点中的ａｇｅｎｔ就会生成一个新的
基于自适应蚁群的实时Web服务组合算法
基于自适应蚁群的实时Web服务组合算法
邓建军;肖迎元;王敏;王恒
【期刊名称】《天津理工大学学报》
【年(卷),期】2011(027)002
【摘 要】针对实时环境中可靠的传输问题,要考虑数据传输路径上的时间消耗,但是又要考虑服务组合结果的可靠性,提出了适应于Web服务的改进蚁群算法,该算法适合在复杂的服务路径中寻找稳定性高的最优路径,使服务组合的结果快速地向着高稳定的方向进行.%According to the real-time environment reliable
transmission problem, want to consider the data transmission path of time
consumption, but also want to consider the reliability of the combination
of services results, put forward the suitable for Web services improved ant
colony algorithm, which is suitable for the sophisticated services path in
search for high stability of optimal path, make the combination of services
results quickly toward the direction of the high stability.
【总页数】5页(P33-37)
【作 者】邓建军;肖迎元;王敏;王恒
【作者单位】天津理工大学计算机与通信工程学院,天津,300384;天津理工大学计算机与通信工程学院,天津,300384;天津理工大学计算机与通信工程学院,天津,300384;天津理工大学计算机与通信工程学院,天津,300384
基于改进蚁群算法求解最短路径和TSP问题
基于改进蚁群算法求解最短路径和TSP问题
宋世杰;刘高峰;周忠友;卢小亮
【摘 要】为了能高效地求解最短路径和TSP问题,利用速度恒定的蚂蚁群,行走最短路径的蚂蚁首先达到终点这个基本原理,提出了一种改进的蚁群算法.因为只要有一个蚂蚁达到终点,算法停止,所以该算法避免了蚂蚁往返爬行所消耗的时间.针对一定规模的最短路径和TSP问题,设置足够量的蚂蚁群,通过该算法能较快地求出全局最优解或者能很好逼近最优解的近似解,算法的时间复径杂度是线性级的,迭代次数较少,而且该算法是并行处理的.通过实验仿真,结果表明算法是可行有效的.
【期刊名称】《计算机技术与发展》
【年(卷),期】2010(020)004
【总页数】4页(P144-147)
【关键词】蚁群算法;最短路径;TSP问题;并行性
【作 者】宋世杰;刘高峰;周忠友;卢小亮
【作者单位】内江师范学院,数学与信息科学学院,四川,内江,641112;内江师范学院,数学与信息科学学院,四川,内江,641112;内江师范学院,数学与信息科学学院,四川,内江,641112;内江师范学院,数学与信息科学学院,四川,内江,641112
【正文语种】中 文
【中图分类】TP183
0 引 言 随着社会的不断发展,最短路径问题已广泛应用于交通运输、物流配送、网络分析、管道铺设、厂区选址与布局等与生产实践息息相关的问题。以交通运输为例,搜索城市路网中两点间的最短路径就显得极其重要。但在实际运用中发现,当城市路网结点过多时经典算法就会导致计算量急剧增加,搜索开销相当大,效率很低。
蚁群算法是由意大利学者Dorigo等人于20世纪90年代初期通过模拟自然界中蚂蚁集体寻径的行为而提出的一种基于种群的启发式随机搜索算法[1～4],蚁群算法具有并行性、鲁棒性、正反馈性等特点。蚁群算法最早成功应用于解决著名的旅行商问题(TSP),以及二次分配问题(QAP)、车间任务调度问题(JSP)、图的着色问题、网络路由等许多复杂的组合优化问题[5～8]。
改进的蚁群算法及其在TSP中的应用
改进的蚁群算法及其在TSP中的应用
赵吉东;胡小兵;刘好斌
【摘 要】蚂蚁算法是一种元启发式优化算法,研究表明其具有较强的发现较好解的能力,但是也存在一些不足.根据蚂蚁算法的信息素更新的特性,提出了一种信息素更新的新方法,并把其应用于求解TSP问题.仿真结果表明,该方法具有很好的性能.
【期刊名称】《计算机工程与应用》
【年(卷),期】2010(046)024
【总页数】2页(P51-52)
【关键词】蚁群算法;信息素更新;旅行商问题(TSP)
【作 者】赵吉东;胡小兵;刘好斌
【作者单位】重庆大学数理学院,重庆,400030;重庆大学数理学院,重庆,400030;重庆大学数理学院,重庆,400030
【正文语种】中 文
【中图分类】O229
1 引言
研究群居性昆虫行为的科学家发现，昆虫在群落一级上的合作基本上是自组织的。许多场合，尽管这些合作是很简单的，但是其能解决复杂的问题。这种由群居性生物产生出来的一种集体性行为即群体智能，引起了包括计算机科学家在内的很多研究人员的兴趣。而蚁群优化算法（Ant Colony Optimization，ACO）就是一种在蚁群的群居性觅食的基础上形成的一种模拟进化算法，是20世纪90年代意大利的M.Dorigo[1-2]等学者提出的，并且取得了较好的实验结果。受他们的影响许多的学者也在该算法上得到了许多的研究成果。10多年来，对蚁群算法的研究表明：蚁群算法不仅能够智能搜索全局最优而且具有鲁棒性、正反馈、分布式计算、易于与其他算法融合等特点。利用正反馈原理可以加快进化过程，分布式计算使该算法易于并行实现，蚁群算法易于与其他算法结合可以改善算法的性能，由其鲁棒性，故在基本算法的基础上稍作修改，便可以应用于其他问题，所以，蚁群算法问世以来，为诸多领域解决复杂优化问题提供了有力的工具。
M.Dorigo等人将蚁群算法应用于求解旅行商问题、资源的二次分配等经典问题得到较好的结果。后来的好多的学者将算法进行改进后应用于其他方面。如：将蚁群算法改进后应用于求解连续的优化问题、智能交通、电信路由控制、机器人的路径选择以及图像分割中等[3-7]。10多年来，人们对于蚁群算法的研究不断深入，其解决优化问题的作用不断提高，但是蚁群算法存在搜索时间长、易于停滞以及陷入局部最优的缺点，为了克服这些缺点不少学者提出了改进算法[8-10]。本文就针对其易于陷入停滞和局部最优的缺点加以改进，并以TSP问题为例进行测试，实验结果表明改进的算法具有较好的性质。
蚁群算法毕业论文
蚁群算法毕业论文
蚁群算法毕业论文
引言
在当今信息时代，人工智能和智能算法的发展日新月异。蚁群算法作为一种模拟生物群体行为的优化算法，已经在多个领域取得了优秀的成果。本篇论文将探讨蚁群算法的原理、应用以及未来的发展方向。
一、蚁群算法的原理
蚁群算法是一种基于蚂蚁觅食行为的启发式算法。蚂蚁在觅食过程中通过信息素的沉积和蒸发来实现信息的传递和集成，从而找到最优的路径。蚁群算法利用这种信息素机制，通过模拟蚂蚁的觅食行为来求解优化问题。
蚁群算法的基本原理包括两个方面：正向反馈和负向反馈。正向反馈是指蚂蚁在觅食过程中，发现食物后释放信息素，吸引其他蚂蚁前往。负向反馈是指蚂蚁在觅食过程中，经过的路径上的信息素会逐渐蒸发，从而减少后续蚂蚁选择该路径的概率。
二、蚁群算法的应用
蚁群算法在多个领域都有广泛的应用。其中最为著名的应用之一是在旅行商问题（TSP）中的应用。旅行商问题是指在给定的一组城市中，找到一条最短路径，使得旅行商能够经过每个城市且只经过一次，最后回到起点城市。蚁群算法通过模拟蚂蚁的觅食行为，成功地解决了这个NP难问题。
除了旅行商问题，蚁群算法还被广泛应用于图像处理、机器学习、网络优化等领域。在图像处理中，蚁群算法可以用于图像分割、图像匹配等任务。在机器学习中，蚁群算法可以用于优化神经网络的权重和偏置。在网络优化中，蚁群算法可以用于优化网络拓扑结构，提高网络的性能。
三、蚁群算法的发展方向
尽管蚁群算法已经取得了一定的成果，但仍然存在一些问题和挑战。首先，蚁群算法在处理大规模问题时，容易陷入局部最优解。其次，蚁群算法对参数的选择比较敏感，需要经验调整。此外，蚁群算法在处理动态环境下的问题时，效果不尽如人意。
为了解决这些问题，研究者们提出了一些改进的蚁群算法。例如，基于混沌理论的蚁群算法、蚁群算法与遗传算法的融合等。这些改进算法在一定程度上提高了蚁群算法的性能和鲁棒性。
此外，蚁群算法还可以与其他智能算法相结合，形成混合算法。例如，蚁群算法与粒子群优化算法的结合、蚁群算法与模拟退火算法的结合等。这些混合算法可以充分发挥各自算法的优点，提高求解问题的效率和精度。
基于改进蚁群算法的服务组合优化
第３５卷第２期 ２０１２年２月 计 算 机 学 报 ＣＨＩＮＥＳＥ Ｊ（）ＵＲＮＡＬ ＯＦ ＣＯＭＰＵＴＥＲＳ Ｖｏ１．３５ Ｎｏ．２ Ｆｅｂ．２Ｏ１２
基于改进蚁群算法的服务组合优化
夏亚梅” 程 渤” 陈俊亮” 孟祥武” 刘 栋”
（北京邮电大学网络与交换技术国家重点实验室北京 １００８７６） （北京邮电大学软件学院北京 １００８７６）
摘 要 为进行服务组合优化及适应服务组合优化过程中Ｗｅｂ服务的动态性、不稳定性以及多种ＱｏＳ属性限制 等问题，提出一种多信息素动态更新的蚁群算法ＭＰＤＡＣＯ，包括ＭＰＤＡＣＯ局部优化算法和ＭＰＤＡＣＯ全局优化 算法，该算法基于建立的服务组合模型，在基本蚁群算法基础上进行研究和改进，可以适应服务组合优化过程中发 生的服务无效以及服务中Ｑｏｓ变化等情况．另外，为使算法能较快地收敛于最优解，在实验基础上对蚁群算法策略 进行了改进．为验证以上算法的有效性，在一个旅游领域的服务推荐系统中对算法进行了仿真实验，实验结果表明 文中提出的算法较基本蚁群算法及一种应用于服务选择的遗传算法有更好的性能．
关键词语义网；服务组合；服务选择；蚁群算法；最优化 中图法分类号ＴＰ３１１ ＤＯＩ号：１０．３７２４／ＳＰ．Ｊ．１０１６．２０１２．００２７０
Ｏｐｔｉｍｉｚｉｎｇ Ｓｅｒｖｉｃｅｓ Ｃｏｍｐｏｓｉｔｉｏｎ Ｂａｓｅｄ ｏｎ
Ｉｍｐｒｏｖｅｄ Ａｎｔ Ｃｏｌｏｎｙ Ａｌｇｏｒｉｔｈｍ
ＸＩＡ Ｙａ—Ｍｅｉ ＇ ＣＨＥＮＧ Ｂｏ ＣＨＥＮ Ｊｕｎ—Ｉ ｉａｎｇ ＭＥＮＧ Ｘｉａｎｇ—Ｗｕ ＬＩＵ Ｄｏｎｇ （Ｓｔａｔｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｎｅｔｗｏｒｋｉｎｇ ａｎｄ Ｓｗｉｔｃｈｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｐｏｓｔｓ＆Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｂｅｉｊｉｎｇ １００８７６） （Ｓｃｈｏｏｌ ｏｆ Ｓｏｆｔｗａｒｅ Ｅｎｇｉｎｅｅｒｉｎｇ．Ｂｅｉｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｐｏｓｔｓ＆Ｔ 如 ０优ｍ“” ｃｎ￡ ０ｎｓ，Ｂｅｉｊｉｎｇ １００８７６）
采用蚁群算法及移动Agent的网格服务发现设计
Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用
采用蚁群算法及移动Ａｇｅｎｔ的网格服务发现设计
王啸森，张新有
ＷＡＮＧ Ｘｉａｏｓｅｎ，ＺＨＡＮＧ Ｘｉｎｙｏｕ
西南交通大学信息与科学技术学院，成都６１００３１
Ｓｃｈｏｏｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｓｏｕｔｈｗｅｓｔ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ ６ １［００３ １．Ｃｈｉｎａ
ＷＡＮＧ Ｘｉａｏｓｅｎ，ＺＨＡＮＧ Ｘｉｎｙｏｕ．Ｄｅｓｉｇｎ ｏｆ ｇｒｉｄ ｓｅｒｖｉｃｅ ｄｉｓｃｏｖｅｒｙ ｂａｓｅｄ ｏｎ ＡＣＯ ａｎｄ ｍｏｂｉｌｅ ａｇｅｎｔ．Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ，２０１２，４８（２２）：１１７－１２３．
Ａｂｓｔｒａｃｔ：Ａ ｇｒｉｄ ｒｅｓｏｕｒｃｅ ｄｉｓｃｏｖｅｒｙ ｍｏｄｅｌ ｗｈｉｃｈ ｃｏｍｂｉｎｅｓ ＡＣＯ ａｎｄ ｍｏｂｉｌｅ ａｇｅｎｔ ｉｓ ｐｒ’ｅｓｅｈｔｅｄ ｂａｓｅｄ ｏｎ ｇｒｉｄ ｃｌｕｓ－
ｔｅｒ ｔｈｅｏｒｙ．Ｔｈｅ ｍｏｂｉｌｅ ａｇｅｎｔ ｔｅｃｈｎｏｌｏｇｙ ｉｓ ｅｍｐｌｏｙｅｄ ｔｏ ｃｏｌｌｅｃｔ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｇｒｉｄ ｒｅｓｏｕｒｃｅｓ ａｎｄ ｓｔｏｒｅ ｔｈｅ ａｂｓｔｒａｃｔｓ ｏｆ ｇｒｉｄ ｓｅｒｖｉｃｅ ｉｎｆｏｒｍａｔｉｏｎ ｉｎ ｃｌｕｓｔｅｒｓ’ｃａｃｈｅ．Ｔｈｅ ｃａｃｈｅｄ ｓｅｒｖｉｃｅ ｉｎｆｏｒｍａｔｉｏｎ ａｂｓ仃ａｃｔｓ ａｒｅ ｕｓｅｄ ａｓ ｔｈｅ ｈｅｕｒｉｓｔｉｃ ｆａｃ－
ｔｏｒ ｏｆ ＡＣ０．ｓｏ ｔｈａｔ ｔｈｅ ａｃｃｕｒａｃｙ ｏｆ ｔｈｅ ｐｈｅｒｏｍｏｎｅ ｃａｎ ｂｅ ｉｍｐｒｏｖｅｄ ｉｎ ＡＣ０．Ｔｈｅ ｉｍｐｒｏ’ｖｅｍｅｎｔ ｏｆ ｔｈｅ ａｃｃｕｒａｃｙ ａｎｄ ｔｈｅ ｓｐｅｅｄ ｏｆｔｈｅ ｇｒｉｄ ｓｅｒｖｉｃｅ ｄｉｓｃｏｖｅｒｙ ｃａｎ ｉｎｃｒｅａｓｅ ｔｈｅ ｅｆｆｉｃｉｅｎｃｙ ｏｆ￡ｂｅ ｇｒｉｄ Ｓｉｍｕｌａｔｉｏｎｓ ｈａｖｅ ｒｕｎ ａｎｄ豳ｅ ｒｅｓｕｌｔ ｏｆ ｔｈｅ ｓｉｍｕｌａｔｉｏｎｓ ｉｎｄｉｃａｔｅ ｔｈａｔ ｔｈｅ ｄｅｓｉｇｎｅｄ ｓｅｒｖｉｃｅ ｄｉｓｃｏｖｅｒｙ ｍｅｃｈａｎｉｓｍ ｉｓ ａｖａｉｌａｂｌｅ ａｎｄ ｅｔ五ｃｉｅｎｔ． Ｋｅｙ ｗｏｒｄｓ：ｇｒｉｄ；ｓｅｒｖｉｃｅ ｄｉｓｃｏｖｅｒｙ；ｍｏｂｉｌｅ ａｇｅｎｔ；Ａｎｔ ＣｏｌｏｎｙＡｌｇｏｒｉｔｈｍ（ＡＣＯ）
基于蚁群算法的P2P网络资源发现服务研究
ＩＳＳＮ １００９－３０４４ ＣｏｍｐｕｔｅｒＫｎｏｗｌｅｄｇｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ电脑知识与技术 Ｖｏ１．７，Ｎｏ．２８，Ｏｃｔｏｂｅｒ ２０１ １．
基于蚁群算法的Ｐ２Ｐ网络资源发现服务研究
陈巧．熊秋娥
（南通大学现代教育技术中心，江苏南通２２６０１９） Ｅ—ｍａｉｌ：ｅｄｕｆ＠ｃｃｅｃ．ｎｅｔ．ｅｎ ｈｔｔｐ：／／ｗｗｗ．ｄｎｚｓ．ｎｅｔ．ｃｎ Ｔｅｌ：＋８６—５５ ｌ一５６９０９６３ ５６９０９６４
摘要：针对ＰａＰ网络的动态性、分布性等特点，提出了一种非集中式的网络资源管理模式。并在此基础上引入了蚁群算法（Ａｎｔ
Ｃｏｌｏｎｙ Ｏｐｔｉｍｉｚａｔｉｏｎ，ＡＣＯ）。它通过对信息素的更新，为智能选择下一搜索节点提供依据。通过实验证明，此种方法同ＢＦＳ算法相 比，在很相近的资源发见成功率的前提下，资源开销明显减少，整个系统具有较好的性能。
关键词：对等网络；蚁群算法；广度优先搜索算法；启发式搜索
中图分类号：ＴＰ１８ 文献标识码：Ａ 文章编号：１００９—３０４４（２０１１）２８—６９３４—０３
Ｓｔｕｄｙ ｏｆ Ｔｈｅ Ｎｅｔｗｏｒｋ Ｒｅｓｏｕｒｃｅｓ Ｓｅａｒｃｈ Ｔｅｃｈｎｏｌｏｇｙ Ｂａｓｅｄ ＯＨ Ｐ２Ｐ
ＣＨＥＮ Ｑｉａｏ，ＸＩＯＮＧ Ｏｉｕ—ｅ
（Ｍｏｒｄｅｎ Ｅｄｕｃａｔｉｏｎ ａｎｄ Ｔｅｃｈｏｎｏｇｙ ｃｅｎｔｅｒ，ＮａｎＴｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｔｏｎｇ ２２６０ １ ９，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｃｃｏｒｄｉｎｇ ｔＯ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｄｙｎａｍｉｃｓ ａｎｄ ｄｉｓｔｒｉｂｕｔｉｖｉｔｙ ｗｈｉｃｈ Ｐ２Ｐ ｎｅｔｗｏｒｋ ｓｈｏｗｓ，ｔｈｅ ｎｅｔｗｏｒｋ—ｒｅｓｏｕｒｃｅ ｍａｎａｇｅｍｅｎｔ ｐａｔｔｅｒｎ ｉｎ ｄｅｃｅｎｔｒａｌｉｚｅｄ ｗａｙ ｉｓ ｓｕｂｍｉｔｔｅｄ ａｎｄ Ａｎｔ Ｃｏｌｏｎｙ Ｏｐｔｉｍｉｚａｔｉｏｎ ｉｓ ｆｏｌｌｏｗｅｄ．Ｉｔ ｏｆｆｅｒｓ ｔｈｅ ｒｅｆｅｒｅｎｃｅ ｆｏｒ ｓｅａｒｃｈｉｎｇ ｎｅｘｔ ｎｏｄｅ ｉｎｔｅｌｌｉ— ｇｅｎｔｌｙ ｂｙ ｕｐｄａｔｉｎｇ ｐｈｅｒｏｍｏｎｅ．Ｃｏｍｐａｒｅｄ ｗｉｔｈ ｂｒｅａｄｔｈ—ｆｉｒｓｔ ｓｅａｒｃｈ ｏｐｔｉｍｉｚａｔｉｏｎ（ＢＦＳ），ｔｈｅ ＡＧＯ ｒｅｄｕｃｅｓ ａ ｌａｒｇｅ ｎｕｍｂｅｒ ｏｆ ｒｅｓｏｕｒｃｅ ｅｘ— ｐｅｎｓｅ ｂａｓｅｄ ｏｎ ｔｈｅ ｖｅｒｙ ｓｉｍｉｌａｒ Ｓｕｃｃｅｓｓ ｒａｔｅ ｏｆ ｒｅｓｏｕｒｃｅ ｄｉｓｃｏｖｅｒｙ ａｎｄ ｔｈｅ ａｌｌ ｓｙｓｔｅｍ ｏｆ Ｐ２Ｐ ｇａｉｎｓ ａ ｇｏｏｄ ｐｅｒｆｏｒｍａｎｃｅ．
2010-基于Agent和蚁群算法的分布式服务发现
ISSN 1000-9825, CODEN RUXUEW E-mail: jos@ Journal of Software, Vol.21, No.8, August 2010, pp.1795−1809 doi: 10.3724/SP.J.1001.2010.03669 Tel/Fax: +86-10-62562563 © by Institute of Software, the Chinese Academy of Sciences. All rights reserved. 基于Agent和蚁群算法的分布式服务发现∗ 郑 啸1,2+, 罗军舟1, 宋爱波1 1(东南大学 计算机科学与工程学院,江苏 南京 210096) 2(安徽工业大学 计算机学院,安徽 马鞍山 243002) Distributed Service Discovery Based on Agent and Ant Colony Algorithm ZHENG Xiao1,2+, LUO Jun-Zhou1, SONG Ai-Bo1 1(School of Computer Science and Engineering, Southeast University, Nanjing 210096, China) 2(School of Computer, Anhui University of Technology, Maanshan 243002, China) + Corresponding author: E-mail: xzheng@ Zheng X, Luo JZ, Song AB. Distributed service discovery based on agent and ant colony algorithm. Journal of Software, 2010,21(8):1795−1809. /1000-9825/3669.htm Abstract: This paper suggests an ant-like agent service discovery mechanism. There are two types of agents cooperating to search target services: Search Agent and Guide Agent. Search Agent simulates the behavior of an ant that searches for services on the network. Guide Agent is responsible to manage a service route table that consists of pheromone and hop count, instructing Search Agent’s routing. Volatile pheromones make Search Agent sense the change of topology and service resource, and hop count makes them know the distance. Semantic similarity is also introduced in routing selection as a heuristic factor, which improves the recall. The life-span control policy makes query traffic controllable. With system size increasing, the query traffic would increase slightly and has an upper bound. The result of simulation shows that the suggested mechanism is scalable and adaptable enough to be suitable for large-scale dynamic computing environments. Key words: service discovery; peer to peer network; agent; ant colony algorithm; routing mechanism 摘 要: 提出一种类似蚂蚁觅食活动的Agent服务发现机制.有两类Agent 合作寻找目标服务:Search Agent和Guide Agent.前者模拟蚂蚁的行为在网络上发现目标服务,后者管理一个由信息素和跳数组成的服务路由表,用以指导Search Agent的行进路线.动态变化的信息素可以让Search Agent感知到网络拓扑和服务资源的变化,而跳数可以让它们了解距离.路由选择中还使用语义相似度作为启发因子,用于提高召回率.Search Agent生命周期控制机制 ∗ Supported by the National Natural Science Foundation of China under Grant Nos.60773103, 60903161, 60903162, 90912002 (国家自然科学基金); the National Basic Research Program of China under Grant No.2010CB328104 (国家重点基础研究发展计划(973)); the Specialized Research Fund for the Doctoral Program of Higher Education of China under Grant No.200802860031 (高等学校博士学科点专项科研基金); the Jiangsu Provincial Natural Science Foundation of China under Grant Nos.BK2007708, BK2008030 (江苏省自然科学基金); the Jiangsu Provincial Key Laboratory of Network and Information Security of China under Grant No.BM2003201 (江苏省网络与信息安全重点实验室); the Key Laboratory of Computer Network and Information Integration (Southeast University), Ministry of Education of China under Grant No.93K-9 (东南大学计算机网络和信息集成教育部重点实验室) Received 2008-09-22; Revised 2008-12-18; Accepted 2009-06-01
一种基于推荐网络和蚁群算法的服务发现方法
第３３卷第１１期 ２０１０年１１月 计 算 机 学 报 ＣＨＩＮＥＳＥ ＪＯＵＲＮＡＬ ＯＦ ＣＯＭＰＵＴＥＲＳ ＶｏＩ．３３ ＮＯ．１】 ＮＯＶ．２０１Ｏ
一种基于推荐网络和蚁群算法的服务发现方法
谢晓芹” 宋超臣” ’ 张志强”
”（哈尔滨工程大学计算机学院 哈尔滨 １５０００１） （黑龙江省电子信息产品监督检验院 哈尔滨 １５００９０）
摘要服务分散存储在互联网上，随着互联网上Ｗｅｂ服务数量的迅速增长，自动、准确、快速地搜索Ｗｅｂ服务已 经成为面向服务计算中的难点和关键问题．文中针对在开放、动态环境下现有的服务发现研究中存在的搜索效率 不高、负载不均衡和语义欠缺等问题，提出了一种基于推荐网络和蚁群算法的服务发现方法．首先，该方法构建一 个自组织服务推荐网络模型，并给出了相关策略，从而适合大规模开放、动态的网络环境，为服务发现提供了搜索 空间和基础．其次，在自组织服务推荐网络模型的基础上，给出了一种基于蚁群算法的服务发现方法，该方法使用 推荐有效地提高了服务发现的成功率和查全率，引入蚁群算法的思想有效地解决了服务发现中的网络负载均衡问 题．最后，实验结果证明了该方法的正确性和可行性．
关键词 服务发现；推荐网络；蚁群算法；负载均衡 中图法分类号ＴＰ３１２ ＤＯｔ号：１０．３７２４／ＳＰ．Ｊ．１０１６．２０１０．０２０９３
Ａ Ｓｅｒｖｉｃｅ Ｄｉｓｃｏｖｅｒｙ Ｍｅｔｈｏｄ Ｂａｓｅｄ ｏｎ Ｒｅｆｅｒｒａｌ Ｎｅｔｗｏｒｋ ａｎｄ Ａｎｔ－Ｃｏｌｏｎｙ Ａｌｇｏｒｉｔｈｍ
ＸＩＥ Ｘｉａｏ—Ｑｉｎ” ＳＯＮＧ Ｃｈａｏ—Ｃｈｅｎ ＇ ＺＨＡＮＧ Ｚｈｉ—Ｑｉａｎｇ ’（Ｃｏｌｌｅｇｅ ｏｆ Ｃｏｍｐｕｔｉｎｇ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ １ ５０００ １） 。 （Ｈｅｉｌｏｎｇｊｉａｎｇ Ｐｒｏｖｉｎｃｅ Ｅｌｅｃｔｒｏｎｉｃ＆Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｄｕｃｔｓ Ｓｕｐｅｒｖｉｓｉｏｎ Ｉｎｓｐｅｃｔｉｏｎ Ｉｎｓｔｉｔｕｔｅ，Ｈａｒｂｉｎ １５００９０）
基于改进蚁群优化算法的服务组合与优化方法
基于改进蚁群优化算法的服务组合与优化方法
SHEN Jiquan;LUO Changwei;HOU Zhanwei;LIU Zhizhong
【摘 要】针对传统蚁群算法存在初期信息素积累时间长、易陷入局部最优等不足,在满足用户全局服务质量约束的条件下,提出一种改进的基于蚁群系统的云服务组合算法.借鉴遗传算法的思想得到蚁群系统的初始信息素分布,通过社会认知优化改进蚂蚁寻优路径,并采取优化的蚁群信息素更新策略,从而提高算法搜索效率.实验结果表明,改进的蚁群优化算法在求解云服务组合问题上具有更优的搜索性能.
【期刊名称】《计算机工程》
【年(卷),期】2018(044)012
【总页数】6页(P68-73)
【关键词】云服务;全局约束;蚁群系统;遗传算法;社会认知优化算法;服务组合
【作 者】SHEN Jiquan;LUO Changwei;HOU Zhanwei;LIU Zhizhong
【作者单位】;;;
【正文语种】中 文
【中图分类】TP311
0 概述
云计算[1]的概念是在原本已存在的并行处理(parallel computing)、效用计算(utility computing)以及网格计算(grid computing)等科学计算领域的基础上发展起来的一种基于互联网的商业模式。 随着电子商务以及大数据时代的到来,用户提交了大量功能复杂的服务请求,对服务质量的需求越来越高,细粒度原子服务几乎难以达到用户复杂多样的需求标准。此时,需要复合多种云服务,即对云平台上已有的服务按照一定的业务逻辑构造粒度更粗的服务,即云服务组合[2]。
由于互联网环境的复杂性、开放性以及动态性、用户任务请求与反馈的随意性、云服务负载的波动性等各种不确定因素的干扰,云平台上出现了大量具有功能性等价特征的云服务。而它们的服务质量(Quality of Service,QoS)多数处于参差不齐的状态,能达到用户需求的较少。