面向集群式供應(yīng)鏈的企業(yè)服務(wù)組合方法

薛 霄，劉志中，黃必清

（1.河南理工大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，河南 焦作 454000；2.清華大學(xué) 國家CIMS工程技術(shù)研究中心，北京 100084）

1 問題的提出

在嚴(yán)峻的競爭環(huán)境中，市場需求劇烈波動(dòng)，中小企業(yè)依靠自身的力量和資源難以應(yīng)對，往往處于被動(dòng)適應(yīng)的狀態(tài)［1］?！凹菏焦?yīng)鏈”作為一種新型企業(yè)協(xié)作模式，能夠?qū)⒎秶?jīng)濟(jì)和規(guī)模經(jīng)濟(jì)有機(jī)融合起來，既能通過實(shí)施不同的協(xié)同模式幫助企業(yè)應(yīng)對快速多變的市場需求，又不必維持過高的產(chǎn)能導(dǎo)致自身的成本增加［2-3］。如圖1所示，集群式供應(yīng)鏈的協(xié)同模式主要分為兩種：

（1）縱向協(xié)同 單個(gè)供應(yīng)鏈中上下游企業(yè)間的合作，按照產(chǎn)品生產(chǎn)的順序階段集成企業(yè)之間的資源和信息，形成能夠完成某一市場需求的特定服務(wù)組合。

（2）橫向協(xié)同 不同供應(yīng)鏈中處于相同環(huán)節(jié)的企業(yè)進(jìn)行協(xié)作，根據(jù)市場需求來集成能夠提供相同資源的企業(yè)服務(wù)，既可以幫助中小企業(yè)獲得規(guī)模優(yōu)勢，也為滿足市場需求提供了更多的候選服務(wù)選擇。

需要注意的是，縱向協(xié)同中的一個(gè)環(huán)節(jié)，可能并不是某個(gè)具體的企業(yè)資源，而是由多個(gè)企業(yè)橫向協(xié)同所構(gòu)成的協(xié)作聯(lián)盟。

為了實(shí)現(xiàn)高效的集群式供應(yīng)鏈運(yùn)營，企業(yè)協(xié)同需要進(jìn)行無縫的業(yè)務(wù)集成和便捷的業(yè)務(wù)部署。隨著服務(wù)計(jì)算技術(shù)的普及和推廣，企業(yè)成員以自身的業(yè)務(wù)模塊為依托，對研發(fā)設(shè)計(jì)、生產(chǎn)加工、物流和實(shí)驗(yàn)仿真等業(yè)務(wù)資源進(jìn)行Web封裝和發(fā)布，形成供用戶訪問調(diào)用的Web服務(wù)，即企業(yè)服務(wù)［4］。因?yàn)槠髽I(yè)的主要目標(biāo)是向客戶提供產(chǎn)品或者服務(wù)，所以企業(yè)服務(wù)除了具有通用服務(wù)質(zhì)量（Quality of Service，QoS）屬性（反應(yīng)時(shí)間、可靠性、可用性、信譽(yù)度等）之外，還具有一些特定的領(lǐng)域?qū)傩裕?］，并且根據(jù)企業(yè)所屬行業(yè)的不同而有所差異，例如制造服務(wù)的領(lǐng)域?qū)傩詡?cè)重于產(chǎn)品質(zhì)量、產(chǎn)品價(jià)格、加工速度和加工能力等［6］，而物流服務(wù)的領(lǐng)域?qū)傩詣t側(cè)重于運(yùn)輸能力、運(yùn)輸價(jià)格和運(yùn)輸時(shí)間等［7］。進(jìn)一步以企業(yè)間的協(xié)作模式為基礎(chǔ)，企業(yè)服務(wù)可以通過Web服務(wù)組合的方式快速方便地構(gòu)造復(fù)雜業(yè)務(wù)應(yīng)用，以實(shí)現(xiàn)企業(yè)之間資源的共享與整合，滿足用戶日益增長的復(fù)雜業(yè)務(wù)需求［8-10］。企業(yè)服務(wù)組合方案的選擇，不但要考慮企業(yè)服務(wù)的通用QoS屬性，而且需要強(qiáng)調(diào)其領(lǐng)域QoS屬性。

目前的企業(yè)服務(wù)組合研究主要側(cè)重于兩個(gè)方面：一類是側(cè)重于從系統(tǒng)角度討論企業(yè)間服務(wù)組合的優(yōu)選方法體系［11-14］和技術(shù)支撐［15-17］等；另一類則將服務(wù)組合問題轉(zhuǎn)化為最優(yōu)化問題，側(cè)重于服務(wù)組合方案的尋優(yōu)算法研究，包括數(shù)學(xué)規(guī)劃［18-21］、遺傳算法［22-24］、蟻群算法［25］和粒子群算法［26］等。就集群式供應(yīng)鏈而言，其協(xié)作模式是特定而具體的，上述研究并不能很好地解決方案，主要存在以下兩個(gè)方面的問題：

（1）企業(yè)服務(wù)的組合模式 在集群式供應(yīng)鏈中，企業(yè)協(xié)作包括縱向協(xié)同和橫向協(xié)同，造成在企業(yè)服務(wù)的組合路徑上，不僅存在節(jié)點(diǎn)之間的縱向服務(wù)組合，還可能在單個(gè)節(jié)點(diǎn)上存在橫向服務(wù)組合?，F(xiàn)有的企業(yè)服務(wù)組合方法一般假定每個(gè)節(jié)點(diǎn)的候選服務(wù)都是單個(gè)企業(yè)服務(wù)，并未考慮企業(yè)間的橫向協(xié)同所形成的虛擬服務(wù)，這就造成一些實(shí)際可行的服務(wù)組合路徑可能會被遺漏。

（2）企業(yè)服務(wù)的組合方法 在實(shí)際應(yīng)用中，集群式供應(yīng)鏈需要處理的是一個(gè)動(dòng)態(tài)需求序列，同時(shí)企業(yè)橫向協(xié)同會大大增加可選服務(wù)組合路徑的數(shù)量，這就對服務(wù)組合算法的性能提出了很高的要求。然而，目前的主流服務(wù)組合算法大多針對一個(gè)需求進(jìn)行求解，并且求解結(jié)果不穩(wěn)定、搜索時(shí)間較長、易于陷入局部最優(yōu)以及搜索停滯等。為了解決這個(gè)問題，本文將社會認(rèn)知優(yōu)化算法（Social Cognitive Optimization，SCO）［27］和文化算法（Culture Algo-rithm，CA）［28］相結(jié)合，對企業(yè)服務(wù)領(lǐng)域內(nèi)的尋優(yōu)問題做進(jìn)一步優(yōu)化。

針對上述問題，本文首先根據(jù)集群式供應(yīng)鏈中企業(yè)橫向協(xié)同的特點(diǎn)，將虛擬服務(wù)作為可選的候選服務(wù)，給出了其QoS 屬性的計(jì)算公式以及相應(yīng)的QoS評價(jià)模型；進(jìn)一步針對目前服務(wù)組合方法尋優(yōu)能力欠佳這一不足，提出了文化社會認(rèn)知算法，用于求解包含虛擬服務(wù)的企業(yè)服務(wù)組合問題。

2 基于協(xié)同的虛擬服務(wù)

2.1 企業(yè)服務(wù)的QoS聚合計(jì)算公式

企業(yè)橫向協(xié)同所形成的虛擬服務(wù)，為服務(wù)組合路徑上的每個(gè)節(jié)點(diǎn)都增加了可供選擇的服務(wù)。虛擬服務(wù)的選擇與普通服務(wù)一樣，首先需要滿足QoS屬性的硬約束條件，然后需要與其他服務(wù)進(jìn)行QoS值的比較。只有計(jì)算出每個(gè)虛擬服務(wù)的QoS評價(jià)值，才可以將其看作一個(gè)實(shí)際的候選企業(yè)服務(wù)來參與服務(wù)選擇。這里設(shè)定虛擬服務(wù)是由k個(gè)企業(yè)服務(wù)協(xié)同而成，其QoS屬性計(jì)算方法一般采取如下步驟：首先根據(jù)所計(jì)算QoS屬性值的類型，將k個(gè)企業(yè)服務(wù)的屬性值歸一化到相同的取值區(qū)間內(nèi)［29］；然后基于標(biāo)準(zhǔn)化之后的QoS屬性值，依據(jù)公式計(jì)算該出虛擬服務(wù)的QoS評價(jià)值。限于篇幅，這里僅以制造服務(wù)為例，給出一些典型的制造服務(wù)QoS 屬性聚合公式，其他屬性可以根據(jù)類似的推導(dǎo)得出。

（1）通用QoS屬性的計(jì)算

1）反應(yīng)時(shí)間屬性的計(jì)算公式

式中：QoVSWtime表示虛擬服務(wù)的反應(yīng)時(shí)間，QoESi，Wtime表示參與橫向協(xié)作的第i個(gè)企業(yè)服務(wù)的反應(yīng)時(shí)間屬性值（1≤i≤k），QoVScolla-time表示個(gè)企業(yè)之間的協(xié)作時(shí)間。

2）可用性屬性的計(jì)算公式

式中：QoVSavailability表示虛擬服務(wù)的可用性；QoVS1a，QoVS2a，…，QoVSka分別表示每個(gè)企業(yè)服務(wù)的可用性；X為k個(gè)企業(yè)協(xié)作的可用性系數(shù)。

3）可靠性屬性的計(jì)算公式

式中：QoPreliability表示虛擬服務(wù)的可靠性屬性，QoPir表示參與橫向協(xié)作的第i個(gè)企業(yè)服務(wù)的可靠性屬性值（1≤i≤k）。

4）信譽(yù)度屬性的計(jì)算公式

式中：QoVSreputation表示虛擬服務(wù)的信譽(yù)度，QoESi，reputation表示參與橫向協(xié)作的第i個(gè)企業(yè)服務(wù)的信譽(yù)度屬性值（1≤i≤k）。

5）滿意度屬性的計(jì)算公式

式中：QoVSSatisfactory表示虛擬企業(yè)服務(wù)的滿意度，QoESi，satisfactory表示參與協(xié)作的第i個(gè)企業(yè)服務(wù)的滿意度屬性值（1≤i≤k）。

（2）領(lǐng)域QoS屬性的計(jì)算

1）產(chǎn)品價(jià)格屬性的計(jì)算公式

式中：QoPprice表示虛擬服務(wù)的產(chǎn)品價(jià)格屬性；QoPip表示參與橫向協(xié)作的第i個(gè)企業(yè)服務(wù)的產(chǎn)品價(jià)格屬性值為第i個(gè)企業(yè)服務(wù)的產(chǎn)品價(jià)格質(zhì)量屬性在虛擬服務(wù)中所占的權(quán)重（1≤i≤k），與該企業(yè)的承擔(dān)的生產(chǎn)任務(wù)有關(guān)。

2）產(chǎn)品性價(jià)比、產(chǎn)品壽命、產(chǎn)品質(zhì)量等屬性的計(jì)算公式

式中：QoPl表示虛擬服務(wù)的第l個(gè)產(chǎn)品維質(zhì)量屬性，QoPil表示參與橫向協(xié)作的第i個(gè)企業(yè)服務(wù)的第l個(gè)產(chǎn)品維質(zhì)量屬性值（1≤i≤k）。

3）最大產(chǎn)能屬性的計(jì)算公式

式中：QoVSM-capacity表示虛擬服務(wù)的產(chǎn)能，QoESi，M-capacity表示參與協(xié)作的第i個(gè)企業(yè)服務(wù)的最大產(chǎn)能屬性值（1≤i≤k）。

4）完成時(shí)間屬性的計(jì)算公式

式中：QoVSFtime表示虛擬服務(wù)的完成時(shí)間，QoESi，F(xiàn)time表示參與協(xié)作的第i個(gè)企業(yè)服務(wù)的完成時(shí)間屬性值（1≤i≤k），QoVScolla-time表示k個(gè)企業(yè)之間的協(xié)作時(shí)間。

2.2 虛擬服務(wù)的QoS評價(jià)與篩選

在計(jì)算出虛擬服務(wù)的每個(gè)QoS屬性值后，可以將其看作一個(gè)實(shí)際的候選企業(yè)服務(wù)來參與企業(yè)服務(wù)組合方案的構(gòu)建。縱向協(xié)同模式下組合服務(wù)的QoS計(jì)算方式可以概括為求和Σ、求積Π 和最大最小值max／min三類。一般而言，成本型、效益型的QoS屬性采用求和方法計(jì)算聚合值，如生產(chǎn)成本、產(chǎn)品價(jià)格和最大產(chǎn)能等；概率型的QoS屬性采用求積方法計(jì)算聚合值，如可靠性和可用性等；邊界型的QoS屬性采用最大值或最小值方法計(jì)算聚合值，如產(chǎn)品質(zhì)量、信譽(yù)度、反應(yīng)時(shí)間和完成時(shí)間等。表1給出了一些縱向協(xié)同模式下企業(yè)服務(wù)的QoS屬性聚合公式，其他QoS屬性的聚合公式可以依據(jù)指標(biāo)的類型給出類似的定義。

表1 企業(yè)服務(wù)縱向協(xié)同的QoS屬性聚合公式

因?yàn)榇嬖诖罅靠捎玫暮蜻x企業(yè)服務(wù)，以這些候選企業(yè)服務(wù)為組件可以構(gòu)建出很多企業(yè)服務(wù)組合方案，所以需要結(jié)合用戶的QoS需求對可能的服務(wù)組合方案進(jìn)行評價(jià)，并選出滿足QoS評價(jià)值最優(yōu)的企業(yè)服務(wù)組合方案。這里假設(shè)企業(yè)服務(wù)組合的QoS屬性已經(jīng)由2.1節(jié)的聚合公式計(jì)算得到，然后分別給出企業(yè)服務(wù)組合的通用QoS評價(jià)模型、領(lǐng)域QoS評價(jià)模型和綜合QoS評價(jià)模型。

（1）企業(yè)服務(wù)組合的通用QoS評價(jià)模型

在對企業(yè)服務(wù)組合的通用QoS進(jìn)行評價(jià)時(shí)，設(shè)用戶對企業(yè)服務(wù)組合提出的通用QoS屬性約束為則企業(yè)服務(wù)組合的通用QoS評價(jià)模型為

式中：sqj表示企業(yè)服務(wù)組合第j個(gè)通用QoS屬性的聚合值；表示用戶對第j個(gè)通用QoS 屬性的偏好，并且表示用戶對第j個(gè)通用QoS屬性提出的約束條件，通過一定轉(zhuǎn)換方式可以將約束形式“≥”轉(zhuǎn)換成約束形式“≤”。

（2）企業(yè)服務(wù)組合的領(lǐng)域QoS評價(jià)模型

在對企業(yè)服務(wù)組合的領(lǐng)域QoS進(jìn)行評價(jià)時(shí)，設(shè)用戶對企業(yè)服務(wù)組合提出的領(lǐng)域QoS屬性約束為。企業(yè)服務(wù)組合的領(lǐng)域QoS評價(jià)模型為

式中：pqj表示企業(yè)服務(wù)組合第j個(gè)領(lǐng)域QoS屬性的聚合值；表示用戶對第j個(gè)領(lǐng)域QoS 屬性的偏好，并且表示用戶對第j個(gè)領(lǐng)域QoS屬性提出的約束條件，通過一定轉(zhuǎn)換方式可以將約束形式“≥”轉(zhuǎn)換成約束形式“≤”。

（3）企業(yè)服務(wù)組合的綜合QoS評價(jià)模型

在計(jì)算出整個(gè)企業(yè)服務(wù)組合的通用QoS 評價(jià)值和領(lǐng)域QoS評價(jià)值后，要對整個(gè)企業(yè)服務(wù)組合進(jìn)行綜合評價(jià)，下面給出企業(yè)服務(wù)組合的服務(wù)質(zhì)量綜合評價(jià)模型。

式中：F（ESC）表示企業(yè)服務(wù)組合的綜合QoS評價(jià)值，f（ESC-General）表示企業(yè)服務(wù)組合的通用QoS評價(jià)值，f（ESC-Doamin）表示企業(yè)服務(wù)組合的領(lǐng)域QoS評價(jià)值；W1和W2表示用戶對兩類服務(wù)質(zhì)量屬性的偏好，用戶可以根據(jù)需要進(jìn)行調(diào)整。

產(chǎn)業(yè)集群中愿意進(jìn)行橫向協(xié)作的企業(yè)可以通過“詢問-回答”機(jī)制來確定。如果愿意參與橫向協(xié)作的企業(yè)服務(wù)為k個(gè)，則理論上能夠生成的虛擬服務(wù)數(shù)量為隨著參與協(xié)作企業(yè)數(shù)目的增加，虛擬服務(wù)的構(gòu)建和協(xié)調(diào)成本會急劇上升，實(shí)際可行的虛擬服務(wù)數(shù)目會小于理論值。根據(jù)客戶對服務(wù)QoS屬性的硬約束條件（如產(chǎn)能、價(jià)格的限制），可以對每個(gè)可能的虛擬服務(wù)進(jìn)行篩選，如果滿足限制條件，則該虛擬服務(wù)將被放到候選服務(wù)集合中，否則過濾掉該虛擬服務(wù)。根據(jù)上述公式計(jì)算出每個(gè)候選虛擬服務(wù)的QoS綜合評價(jià)值，與滿足條件的單個(gè)服務(wù)一起參與后續(xù)的企業(yè)服務(wù)組合選擇。

3 企業(yè)服務(wù)組合的尋優(yōu)方法

3.1 文化社會認(rèn)知算法的優(yōu)化

首先對社會認(rèn)知算法中的觀察學(xué)習(xí)和模仿學(xué)習(xí)進(jìn)行改進(jìn)，使其可以用來求解連續(xù)型的組合優(yōu)化問題；然后將改進(jìn)的SCO 算法納入CA 框架內(nèi)，進(jìn)一步優(yōu)化個(gè)體學(xué)習(xí)的效果，從而構(gòu)造文化社會認(rèn)知算法（C-SCO）的優(yōu)化算法。下面首先給出SCO 算法的基本知識及其改進(jìn)工作，然后給出C-SCO 算法的計(jì)算框架與計(jì)算流程。

（1）SCO 算法的基本概念

1）知識點(diǎn) 由解空間中位置值、水平值的描述構(gòu)成的點(diǎn)，通過對知識點(diǎn)的多次更新和選取，最終獲得最優(yōu)解。

2）解空間 用來存儲知識點(diǎn)的表。

3）學(xué)習(xí)代理 學(xué)習(xí)代理是一個(gè)行為個(gè)體，用來選取解空間中的知識點(diǎn)參與優(yōu)化過程。

4）領(lǐng)域搜索 假設(shè)有兩 個(gè)知識 點(diǎn)x1，d和x2，d，對x2，d的領(lǐng)域搜索就是以x1，d作為參考，選出一個(gè)新的知識點(diǎn)其中：d表示知識點(diǎn)的維數(shù)，Rand（）為一個(gè)在（0，1）區(qū)間的隨機(jī)值，x1，d和x2，d分別為搜索行為的參考點(diǎn)和中心點(diǎn)。整個(gè)優(yōu)化過程由學(xué)習(xí)代理完成。假設(shè)解空間中知識點(diǎn)的個(gè)數(shù)為Npop，學(xué)習(xí)代理的個(gè)數(shù)為Nc，學(xué)習(xí)的次數(shù)為T。

5）模仿學(xué)習(xí) 從解空間中隨機(jī)選出兩個(gè)或多個(gè)知識點(diǎn)，所選出的知識點(diǎn)都不能與學(xué)習(xí)代理自身的知識點(diǎn)相同，并根據(jù)競爭選擇原則，在這幾個(gè)知識點(diǎn)之間選出一個(gè)較好的知識點(diǎn)。

6）觀察學(xué)習(xí) 將選擇出的知識點(diǎn)與代理自身的知識點(diǎn)水平進(jìn)行對比，將水平較好的點(diǎn)定為中心點(diǎn)，將較差的點(diǎn)定為參考點(diǎn)，然后學(xué)習(xí)代理基于領(lǐng)域搜索的原則，移動(dòng)到一個(gè)新的知識點(diǎn)，并將新的知識點(diǎn)存儲在解空間中。

（2）SCO 算法的改進(jìn)

1）對模仿學(xué)習(xí)的改進(jìn) 在社會認(rèn)知算法中，模仿學(xué)習(xí)實(shí)質(zhì)上是解之間的比較，并沒有體現(xiàn)人類社會相互學(xué)習(xí)的本質(zhì)。本文借鑒協(xié)作學(xué)習(xí)的思想，對模仿學(xué)習(xí)進(jìn)行改進(jìn)，提出一種針對離散型優(yōu)化問題的學(xué)習(xí)方法：首先從知識庫中隨機(jī)抽取出一定數(shù)量的、有別于代理自身的解；然后將代理自身的解和抽取到的解分成若干段，代理對其他解的每一段進(jìn)行學(xué)習(xí)，將其學(xué)習(xí)到的、優(yōu)于自身相應(yīng)段的局部解吸納為自身的一部分；經(jīng)過這樣的一個(gè)學(xué)習(xí)過程，代理通過將其他解最優(yōu)的部分變成自身的一部分來改善自身的構(gòu)造，通過這樣的學(xué)習(xí)使代理身上的解成為一個(gè)優(yōu)于其他解的新解。改進(jìn)的模仿學(xué)習(xí)過程如圖2所示。其中：S1為代理自身的解，S2，…，Sn為隨機(jī)抽取的解，帶灰度的點(diǎn)為局部解之間的最優(yōu)者，CLS為通過學(xué)習(xí)得到的新解。

2）對觀察學(xué)習(xí)的改進(jìn) SCO 算法中的觀察學(xué)習(xí)是基于領(lǐng)域搜索的學(xué)習(xí)規(guī)則，該學(xué)習(xí)方法只適用于具有連續(xù)解空間的優(yōu)化問題，而不能用于離散解空間的優(yōu)化問題。針對這一問題，本文提出一種基于變異的觀察學(xué)習(xí)方法，在代理完成模仿學(xué)習(xí)后，對通過模仿學(xué)習(xí)得到的新解實(shí)施基于變異的解搜索，每次變異后選出通過變異得到的解與代理自身的解之間的最優(yōu)者。這樣使SCO 算法可以用來求解離散型優(yōu)化問題，并且能夠快速增加解的多樣性，擴(kuò)大搜索空間，避免算法陷入局部最優(yōu)。這里采用多點(diǎn)變異方法，即對構(gòu)成解的點(diǎn)實(shí)施變異。

（3）構(gòu)造C-SCO 優(yōu)化算法

在對社會認(rèn)知算法中的關(guān)鍵操作改進(jìn)后，將改進(jìn)的SCO 算法納入CA 的框架內(nèi)，構(gòu)造C-SCO 算法，C-SCO 算法的框架如圖3所示。

具體流程如下：

1）由改進(jìn)的SCO 算法生成種群空間，應(yīng)用評價(jià)函數(shù)評價(jià)種群空間內(nèi)的個(gè)體；Evaluate（）函數(shù)用于計(jì)算每個(gè)解的評價(jià)值，這里定義為Evaluate（ESC）=f（ESC），其中ESC表示一個(gè)可行的企業(yè)服務(wù)組合方案。

2）通過接受函數(shù)將種群空間內(nèi)的優(yōu)秀個(gè)體作為知識提取到信仰空間，用更新函數(shù)更新信仰空間中的知識，并對知識執(zhí)行基于模仿學(xué)習(xí)的進(jìn)化操作；Accept（）函數(shù)用于從種群空間提取λ個(gè)優(yōu)秀解到信仰空間；Update（）函數(shù)表示用評價(jià)值較好的新解替代評價(jià)值較差的解；BEvolve（）函數(shù)表示信仰空間內(nèi)的知識按照模仿學(xué)習(xí)機(jī)制進(jìn)行進(jìn)化。

3）在種群空間內(nèi)按照SCO 算法的進(jìn)化機(jī)制進(jìn)行群體演化，每演化一次就執(zhí)行上一步操作；PEvolve（）函數(shù)表示種群空間的群體按照SCO 的計(jì)算過程進(jìn)行演化。

4）信仰空間中的知識經(jīng)過k代更新后，通過影響函數(shù)來指導(dǎo)種群空間的演化；Influence（）函數(shù)表示用信仰空間的知識指導(dǎo)群體空間內(nèi)個(gè)體的演化，即用信仰空間的解替換群體空間內(nèi)較差的解，并將信仰空間的解隨機(jī)分配給代理。

5）如此迭代，直至達(dá)到算法結(jié)束的條件。

3.2 基于C-SCO的企業(yè)服務(wù)組合方法

在集群式供應(yīng)鏈環(huán)境下，企業(yè)服務(wù)組合路徑中的每個(gè)任務(wù)節(jié)點(diǎn)都存在大量具備相同服務(wù)功能和不同服務(wù)質(zhì)量的候選企業(yè)服務(wù)，如何從大量的候選企業(yè)服務(wù)中選出一組企業(yè)服務(wù)，使得由這組企業(yè)服務(wù)構(gòu)成的企業(yè)服務(wù)組合既能滿足用戶的生產(chǎn)需求又具備最優(yōu)的服務(wù)質(zhì)量，是一個(gè)典型的NP-hard問題。針對這一問題，本文構(gòu)造了新穎的C-SCO 算法，并用其求解QoS感知的企業(yè)服務(wù)優(yōu)化組合問題?；贑-SCO 算法的企業(yè)服務(wù)優(yōu)化組合中，知識點(diǎn)對應(yīng)企業(yè)服務(wù)組合方案，位置水平對應(yīng)企業(yè)服務(wù)組合方案的評價(jià)值。下面給出企業(yè)服務(wù)優(yōu)化組合過程的具體描述：

輸入：服務(wù)組合圖、候選企業(yè)服務(wù)和候選企業(yè)服務(wù)的QoS值；算法的最大迭代次數(shù)Nmax；初始群體規(guī)模m；設(shè)代理個(gè)數(shù)為m／3，每次提取優(yōu)秀解的個(gè)數(shù)λ，知識更新代數(shù)K。

輸出：最優(yōu)企業(yè)服務(wù)組合方案。

步驟1 可用服務(wù)的發(fā)現(xiàn)。依據(jù)第2章中給出的虛擬服務(wù)生成方法和篩選機(jī)制，確定可用的候選企業(yè)服務(wù)。

步驟2 初始化階段。對于服務(wù)組合流程中的每個(gè)任務(wù)，隨機(jī)從每個(gè)任務(wù)對應(yīng)的候選服務(wù)集中選擇一個(gè)企業(yè)服務(wù)綁定給相應(yīng)的任務(wù)；重復(fù)這種方法，生成種群規(guī)模為M的初始群體；計(jì)算這些解的評價(jià)值；確定代理。

步驟3 給代理賦予解。從解空間中隨機(jī)地抽取不同的解賦給每個(gè)代理，但不允許把一個(gè)知識點(diǎn)重復(fù)分配給多個(gè)學(xué)習(xí)代理。

步驟4 SCO 算法的進(jìn)化過程。

For（i=1to k）／／k 為代理的個(gè)數(shù)，對于每個(gè)代理執(zhí)行以下操作

｛隨機(jī)抽取出一定數(shù)量、有別于代理的解，執(zhí)行改進(jìn)的模仿學(xué)習(xí)操作；執(zhí)行基于變異的觀察學(xué)習(xí)操作；在代理完成觀察學(xué)習(xí)操作后，將得到的解保存到解空間中｝

從解空間中刪除與代理等數(shù)量的較差的解。

步驟5 信仰空間的進(jìn)化過程。從解空間中提取k個(gè)最優(yōu)解到信仰空間；更新信仰空間內(nèi)的知識；對信仰空間的知識實(shí)施基模仿學(xué)習(xí)的進(jìn)化操作；從原有的解和進(jìn)化后得到的解中選取k個(gè)優(yōu)秀解，保留在信仰空間。

步驟6 信仰空間的知識對群體空間進(jìn)化的指導(dǎo)。當(dāng)信仰空間的知識經(jīng)過K代積累后，用信仰空間的解替換解空間內(nèi)較差的解；將信仰空間內(nèi)的解隨機(jī)地賦給每個(gè)代理。

步驟7 判斷算法是否結(jié)束。

If（達(dá)到結(jié)束條件）

｛輸出信仰空間內(nèi)的最優(yōu)解；｝

Else

｛迭代次數(shù)增加一次并返回 步驟4；｝

4 案例研究

4.1 案例設(shè)計(jì)

在集群式供應(yīng)鏈環(huán)境下，上下游企業(yè)之間存在縱向協(xié)作關(guān)系，位于相同環(huán)節(jié)之內(nèi)的企業(yè)存在橫向協(xié)作關(guān)系。良好的企業(yè)服務(wù)組合方法應(yīng)該既能找到滿足用戶質(zhì)量需求的服務(wù)組合方案，又能提高企業(yè)集群的整體收益。為了驗(yàn)證本文所提的企業(yè)服務(wù)組合方法的有效性，以圖4所示的協(xié)同制造流程為例設(shè)計(jì)了兩個(gè)模擬實(shí)驗(yàn)：實(shí)驗(yàn)一通過與其他進(jìn)化算法進(jìn)行比較，驗(yàn)證基于C-CO 算法的企業(yè)服務(wù)組合方法在尋優(yōu)方面的優(yōu)越性；實(shí)驗(yàn)二通過比較不同組合方法下企業(yè)集群的整體效益，驗(yàn)證本文提出的企業(yè)服務(wù)組合方法能夠符合企業(yè)協(xié)作的實(shí)際需求。

所有算法均采用C＋＋語言實(shí)現(xiàn)，實(shí)驗(yàn)環(huán)境具體配置為：Pentium（R）4 2.66GHz處理器，1G 內(nèi)存，操作系統(tǒng)為Windows 7。C-SCO 算法的初始參數(shù)設(shè)置為：初始群體規(guī)模M=100，代理的個(gè)數(shù)Nc=30，每次提出優(yōu)秀解的個(gè)數(shù)λ=30，知識進(jìn)化的代數(shù)K=6；在模仿學(xué)習(xí)中將每個(gè)解分為三段；在觀察學(xué)習(xí)中，每次對解的5個(gè)節(jié)點(diǎn)進(jìn)行變異。為了便于比較，對實(shí)驗(yàn)對象做如下設(shè)定：

（1）整個(gè)制造流程包括6個(gè)環(huán)節(jié)，Ti（1≤i≤6）表示每個(gè)環(huán)節(jié)所需要完成的制造任務(wù)。每個(gè)環(huán)節(jié)存在20個(gè)候選企業(yè)服務(wù)，包括5 個(gè)大型企業(yè)服務(wù)和15個(gè)中小型企業(yè)服務(wù)，其中大型企業(yè)的產(chǎn)能區(qū)間為［30，50］，中小型企業(yè)的產(chǎn)能區(qū)間為［5，20］。

（2）因?yàn)槠髽I(yè)服務(wù)的執(zhí)行需要一定時(shí)間，所以其可用性并不能保證為100%，這里設(shè)定每個(gè)企業(yè)服務(wù)的可用性為80%。

（3）由于企業(yè)間的協(xié)作需要一定的協(xié)商，并不能保證每次都能成功，這里將中小型企業(yè)的橫向協(xié)作率設(shè)定為60%。

（4）不同維度質(zhì)量屬性在企業(yè)服務(wù)質(zhì)量評價(jià)模型中的權(quán)重相等，并采用標(biāo)準(zhǔn)化公式轉(zhuǎn)換到［0，1］區(qū)間內(nèi)，其取值情況如下：

1）企業(yè)服務(wù)維 反應(yīng)時(shí)間［20，100］（單位：h），可靠性（0，1］，可用性（0，1］，信譽(yù)度｛1，2，3，4，5｝。

2）產(chǎn)品維 產(chǎn)品質(zhì)量｛差，合格，中等，良，優(yōu)｝，產(chǎn)品價(jià)格［100，1 000］，性價(jià)比｛差，合格，中等，良，優(yōu)｝，產(chǎn)品可靠性｛差，合格，中等，良，優(yōu)｝。

3）企業(yè)維 生產(chǎn)能力｛差，合格，中等，良，優(yōu)｝，協(xié)作能力｛差，合格，中等，良，優(yōu)｝，財(cái)務(wù)狀況｛差，合格，中等，良，優(yōu)｝。

（5）因?yàn)榇笮推髽I(yè)的生產(chǎn)成本較高，所以相同產(chǎn)品的單位產(chǎn)品收益一般略低于中小企業(yè)。這里設(shè)置大企業(yè)生產(chǎn)單位產(chǎn)品的收益區(qū)間為［1.3，1.6］，中小型企業(yè)生產(chǎn)單位產(chǎn)品的收益區(qū)間為［1.5，1.8］。實(shí)驗(yàn)中每個(gè)企業(yè)的單位產(chǎn)品效益在給定區(qū)間內(nèi)隨機(jī)生成。

（6）中小企業(yè)在進(jìn)行橫向協(xié)作時(shí)需要支付一定的協(xié)作成本，如技術(shù)交流、產(chǎn)品標(biāo)準(zhǔn)制定等費(fèi)用。這里設(shè)定企業(yè)之間的橫向協(xié)作費(fèi)用為總收益的［6%，20%］。在實(shí)驗(yàn)中，企業(yè)的協(xié)作成本值在該區(qū)間內(nèi)隨機(jī)生成，并且隨著參與協(xié)同企業(yè)數(shù)目的增加而增大。

4.2 實(shí)驗(yàn)一：企業(yè)服務(wù)組合算法的尋優(yōu)性能驗(yàn)證

以典型的市場訂單為參考，設(shè)置某個(gè)用戶需求指標(biāo)為：需求量為45（屬于一般性需求，單個(gè)大企業(yè)可以單獨(dú)完成），產(chǎn)品總價(jià)格＜4 250元，服務(wù)的總反應(yīng)時(shí)間＜430h，產(chǎn)品的總質(zhì)量＞中等，產(chǎn)品的性價(jià)比＞中等，企業(yè)服務(wù)組合的生產(chǎn)能力＞中等，企業(yè)服務(wù)組合的財(cái)務(wù)狀況＞合格。每個(gè)環(huán)節(jié)所有候選服務(wù)的三維質(zhì)量屬性在給定區(qū)間內(nèi)隨機(jī)生成，并對所生成的質(zhì)量屬性值進(jìn)行歸一化。為了驗(yàn)證本文提出的企業(yè)服務(wù)組合方法的優(yōu)越性，本實(shí)驗(yàn)分別采用在服務(wù)組合優(yōu)化問題有出色表現(xiàn)的最大最小蟻群算法（MAX-MIN Ant System，MMAS）、改進(jìn)型的社會認(rèn)知算法（Improved Social Cognitive Optimization，ISCO）以及文化社會認(rèn)知算法（Culture-Social Cognitive Optimization，C-SCO）對上述客戶需求進(jìn)行求解，并對求解結(jié)果進(jìn)行比較。三種算法運(yùn)行的硬件環(huán)境相同，ISCO 與C-SCO 的參數(shù)設(shè)置相同，MMAS的參數(shù)設(shè)置為：α=1，β=5，ρ=0.6，τmax=1，τmin=1／20。

由于企業(yè)服務(wù)組合對算法的運(yùn)行速度要求不是很高，但對算法的尋優(yōu)性能要求較高，在實(shí)驗(yàn)中只記錄了迭代相同次數(shù)時(shí)不同算法搜索到的解，而不再記錄算法在迭代相同次數(shù)時(shí)的運(yùn)行時(shí)間。實(shí)驗(yàn)結(jié)果如圖5所示，其中：橫坐標(biāo)表示算法的迭代次數(shù)，縱坐標(biāo)表示算法找到的企業(yè)服務(wù)組合方案的評價(jià)值。從圖中可以看出，C-SCO 比ISCO 和MMAS 算法的尋優(yōu)性能要好。因此可以得出結(jié)論：C-SCO 算法在求解企業(yè)服務(wù)組合問題時(shí)是有效的。

4.3 實(shí)驗(yàn)二：虛擬服務(wù)在企業(yè)服務(wù)組合中的作用

實(shí)驗(yàn)二的目的是驗(yàn)證本文提出的企業(yè)服務(wù)組合方法能否有效提高企業(yè)集群的整體收益。所比較的兩種服務(wù)組合方法的主要區(qū)別在于是否考慮橫向協(xié)作，都按照迭代200次所找到的服務(wù)組合方案為準(zhǔn)。實(shí)驗(yàn)中的需求序列包括10個(gè)市場需求周期，每個(gè)周期內(nèi)有30個(gè)訂單請求，分別對兩種情況進(jìn)行測試：①市場需求比較平穩(wěn)，訂單的需求量在［30，50］內(nèi)隨機(jī)生成，單個(gè)大企業(yè)的產(chǎn)能可以滿足；②市場需求波動(dòng)較大，訂單的需求量在［30，50］或［70，100］內(nèi)隨機(jī)生成，其中［70，100］占總需求的70%左右，單個(gè)大企業(yè)的產(chǎn)能無法滿足。實(shí)驗(yàn)分別在兩種不同的市場條件下進(jìn)行測試，在市場需求比較平穩(wěn)的情況下，計(jì)算每個(gè)需求周期內(nèi)企業(yè)服務(wù)組合的總收益，并將在兩種情況下得到的企業(yè)群體的總收益進(jìn)行比較。實(shí)驗(yàn)結(jié)果如圖6所示，其中：橫坐標(biāo)表示需求周期數(shù)，縱坐標(biāo)表示每個(gè)需求周期內(nèi)企業(yè)群體的平均收益；系列1表示考慮企業(yè)服務(wù)橫向協(xié)同的情況下企業(yè)群體的總收益，系列2表示不考慮企業(yè)服務(wù)之間的橫向協(xié)作時(shí)企業(yè)群體的總收益。從圖6的曲線可以看出，在市場需求比較穩(wěn)定的情況下，兩種方法給出的企業(yè)效益值比較接近：考慮企業(yè)服務(wù)之間的橫向協(xié)作，10 個(gè)需求周期內(nèi)的平均收益總和為653.5；不考慮企業(yè)服務(wù)之間的橫向協(xié)作，10個(gè)需求周期內(nèi)的平均收益總和為626.5，前者略高于后者。這表明在市場需求比較穩(wěn)定的情況下，考慮企業(yè)服務(wù)之間的橫向協(xié)作可以提高企業(yè)集群整體的收益。

在市場需求波動(dòng)比較劇烈的情況下，計(jì)算每個(gè)需求周期內(nèi)企業(yè)服務(wù)組合的總收益，并將在兩種情況下得到的企業(yè)群體的總收益進(jìn)行比較。實(shí)驗(yàn)結(jié)果如圖7所示，其中：橫坐標(biāo)表示需求周期數(shù)，縱坐標(biāo)表示每個(gè)需求周期內(nèi)企業(yè)群體的平均收益；系列1表示考慮企業(yè)服務(wù)橫向協(xié)同的情況下企業(yè)群體的總收益，系列2表示不考慮企業(yè)服務(wù)之間的橫向協(xié)作時(shí)企業(yè)群體的總收益。從圖7的曲線可以看出，當(dāng)需求劇烈波動(dòng)時(shí)，兩種方法給出的企業(yè)效益值差別較大，系列1的表現(xiàn)遠(yuǎn)好于系列2：當(dāng)單個(gè)大型企業(yè)可能無法滿足訂單需求時(shí)，若不考慮企業(yè)服務(wù)之間的橫向協(xié)作，則無法構(gòu)建出滿足用戶產(chǎn)能需求的企業(yè)服務(wù)組合，企業(yè)收益值為0；若考慮企業(yè)服務(wù)之間的橫向協(xié)作，即使用戶產(chǎn)能需求較大也能夠得到滿足，因此企業(yè)集群能夠接受更多的訂單，獲得更大的整體收益。這表明當(dāng)市場需求劇烈波動(dòng)時(shí)，考慮企業(yè)服務(wù)之間的橫向協(xié)作能夠更加有效地提高企業(yè)集群的整體效益。

5 結(jié)束語

集群式供應(yīng)鏈?zhǔn)且环N新型企業(yè)協(xié)作模式，通過構(gòu)建公共的服務(wù)支撐平臺來實(shí)現(xiàn)企業(yè)服務(wù)資源的動(dòng)態(tài)構(gòu)建、調(diào)整和組織，可以應(yīng)對快速多變的市場需求。然而，企業(yè)服務(wù)間的組合不同于一般的Web服務(wù)，不僅需要考慮不同環(huán)節(jié)間的服務(wù)縱向協(xié)同，還要考慮同一環(huán)節(jié)上存在不同服務(wù)間的橫向組合；所需要處理的不是單個(gè)需求，而是一個(gè)需求序列。因此，如何針對集群式供應(yīng)鏈中企業(yè)服務(wù)協(xié)作的特點(diǎn)，從數(shù)量眾多的企業(yè)服務(wù)中選取合適的資源服務(wù)進(jìn)行組合，以更為有效地支撐集群企業(yè)間的資源共享，已經(jīng)成為服務(wù)應(yīng)用領(lǐng)域亟待解決的問題。

針對上述問題，本文針對集群式供應(yīng)鏈環(huán)境下企業(yè)服務(wù)組合的特點(diǎn)，從兩個(gè)方面進(jìn)行了深入研究：①針對集群式供應(yīng)鏈中企業(yè)服務(wù)的橫向協(xié)同特性，提出虛擬服務(wù)的生產(chǎn)機(jī)制和QoS的計(jì)算方法，從而增加候選的服務(wù)組合路徑；②針對目前服務(wù)組合方法尋優(yōu)能力欠佳這一不足，將改進(jìn)的社會認(rèn)知算法納入文化算法框架內(nèi)，構(gòu)建了新穎的C-SCO 算法，并用其求解企業(yè)服務(wù)優(yōu)化組合問題。最后的實(shí)驗(yàn)結(jié)果表明：該算法具有較好的搜索能力和收斂速度，并且能夠有效地解決集群企業(yè)服務(wù)組合的問題。

未來將對現(xiàn)有的研究內(nèi)容進(jìn)行進(jìn)一步深化，重點(diǎn)關(guān)注企業(yè)實(shí)體網(wǎng)絡(luò)和企業(yè)服務(wù)網(wǎng)絡(luò)之間的相互作用，主要從以下幾個(gè)方面展開：①企業(yè)實(shí)體資源的變化如何影響企業(yè)服務(wù)組合的推薦結(jié)果；②不同的服務(wù)組合推薦策略如何通過反饋來改變企業(yè)實(shí)體間的協(xié)作關(guān)系；③如何構(gòu)建相應(yīng)的計(jì)算實(shí)驗(yàn)環(huán)境，對于這兩種異質(zhì)網(wǎng)絡(luò)之間的交互反饋進(jìn)行定量化研究。

［1］LI Youhuan.Research report on the impact of financial crisis on the pearl river delta export-oriented enterprises［R］.Guangzhou：2009 Guangdong Province Current Situation Research Report，2009（in Chinese）.［黎友煥.金融危機(jī)對珠三角外向型企業(yè)生存影響的調(diào)研報(bào)告［R］.廣州：2009廣東省情調(diào)研報(bào)告，2009.］

［2］LI Jizi.Study on cluster supply chain and its management［D］.Wuhan：Huazhong Agricultural University，2006（in Chinese）.［黎繼子.集群式供應(yīng)鏈及管理研究［D］.武漢：華中農(nóng)業(yè)大學(xué)，2006.］

［3］XUE Xiao，ZHU Peng，HUANG Biqing.Research on agent oriented design approach for service system of cluster supply chain［J］.Journal of Chinese Computer Systems，2011，32（9）：1170-1777（in Chinese）.［薛 霄，朱 鵬，黃必清.面向Agent的集群式供應(yīng)鏈服務(wù)系統(tǒng)設(shè)計(jì)方法研究［J］.小型微型計(jì)算機(jī)系統(tǒng)，2011，32（9）：1170-1777.］

［4］CAMARINHA-MATOS L M，AFSARMANESH H.Collaborative networks：value creation in knowledge society［C］／／Proceedings of Knowledge Enterprise：Intelligent Strategies in Product Design，Manufacturing，and Management.Berlin，Germany：Springer-Verlag，2006：26-40.

［5］LIU Guoqi，ZHU Zhiliang，WANG Qin，et al.A domain-oriented evaluation model for QoS in Web service［C］／／Proceedings of the 9th International Confrence on Hybrid Intelligent Systems.Washington，D.C.，USA：IEEE，2009：319-321.

［6］LI Bohu，ZHANG Lin，WANG Shilong，et al.Cloud manufacturing：a new service oriented networked manufacturing model［J］.Computer Integrated Manufacturing Systems，2010，16（1）：1-16（in Chinese）.［李伯虎，張 霖，王時(shí)龍，等.云制造-面向服務(wù)的網(wǎng)絡(luò)化制造新模式［J］.計(jì)算機(jī)集成制造系統(tǒng)，2010，16（1）：1-16.］

［7］HUANG Biqing，WANG Ting，XUE Xiao.Service-selecting approach based on domain-specified QoS model and its application in logistics［J］.The Service Industries Journal，2012，32（9）：1571-1588.

［8］ZENG L，BENATALLAH B，NGU A，et al.QoS-aware middleware for Web services composition［J］.IEEE Transactions on Software Engineering，2004，30（5）：311-327.

［9］QI L，TANG Y，DOU W，et al.Combining local optimization and enumeration for QoS-aware web service composition［C］／／Proceeings of IEEE International Conference on Web Services.Washington，D.C.，US：IEEE，2010：34-41.

［10］MOHAMMAD A，THOMASS R.Combining global optimization with local selection for efficient QoS-aware service composition［C］／／Proceedings of the 18th International Conference on World Wide Web.New York，N.Y.，USA：ACM，2009：881-890.

［11］QI Lianyong，DOU Wanchun.Web service composition method based on local QoS optimization in cross-organizational cooperation［J］.Computer Integrated Manufacturing Systems，2011，17（8）：1647-1653（in Chinese）.［齊連永，竇萬春.跨組織協(xié)同中基于局部服務(wù)質(zhì)量優(yōu)化的Web服務(wù)組合方法［J］.計(jì)算機(jī)集成制造系統(tǒng)，2011，17（8）：1647-1653.］

［12］TAO Fei，ZHAO Dongming，HU Yefa，et al.Correlation-aware resource service composition and optimal-selection in manufacturing grid［J］.European Journal of Operational Research，2010，201（1）：109-143.

［13］TAO Fei，ZHAO Dongming，ZHANG Lin，et al.Resource service optimal-selection based on intuitionistic fuzzy set and non-functionality QoS in manufacturing grid system ［J］.Knowledge and Information Systems，2010，25（1）：185-208.

［14］YIN Chao，ZHANG Yun，ZHONG Ting.Optimization model of cloud manufacturing services resource combination for new product development［J］.Computer Integrated Manufacturing Systems，2012，18（7）：1368-1378（in Chinese）.［尹 超，張 云，鐘 婷.面向新產(chǎn)品開發(fā)的云制造服務(wù)資源組合優(yōu)選模型［J］.計(jì)算機(jī)集成制造系統(tǒng)，2012，18（7）：1368-1378.］

［15］ZHANG Shuai，SUN Jianling，XU Bin，et al.RBAC based access control model for services compositions cross multiple enterprises［J］.Journal of Zhejiang University：Engineering Science，2012，46（11）：2035-2043（in Chinese）.［張 帥，孫建伶，徐 斌.基于RBAC的跨多企業(yè)服務(wù)組合訪問控制模型［J］.浙江大學(xué)學(xué)報(bào)：工學(xué)版，2012，46（11）：2035-2043.］

［16］TAO Fei，ZHANG Lin，GUO Hua，et al.Typical characteristics of cloud manufacturing and several key issues of cloud service composition［J］.Computer Integrated Manufacturing Systems，2011，17（3）：477-486（in Chinese）.［陶 飛，張霖，郭 華，等.云制造特征及云服務(wù)組合關(guān)鍵問題研究［J］.計(jì)算機(jī)集成制造系統(tǒng)，2011，17（3）：477-486.］

［17］WANG Shiwen，SONG Wenyan，KANG Ling，et al.Manufacturing resource allocation based on cloud manufacturing［J］.Computer Integrated Manufacturing Systems，2012，18（7）：1396-1405（in Chinese）.［王時(shí)文，宋文艷，康 玲，等.云制造環(huán)境下的制造資源優(yōu)化配置研究［J］.計(jì)算機(jī)集成制造系統(tǒng)，2012，18（7）：1396-1405.］

［18］ZENG L，BENATALLAH B，NGU A H H，et al.QoS-aware middleware for web services composition ［J］.IEEE Transaction on Software Engineering，2004，30（5）：311-327.

［19］MENASCéD A，CASALICCHIO E，DUBEY V.On optimal service selection in service oriented architectures［J］.Performance Evaluation Journal，2010，67（8）：659-675.

［20］GAO Aiqiang，YANG Dongqing，TANG Shiwei，et al.QoSdriven web service composition with inter service con？icts［J］.Lecture Notes in Computer Science，2006，3841：121-132.

［21］JIANG H H，YANG X H，YIN K T，et al.Multi-path QoSaware Web service composition using variable length chromosome genetic algorithm［J］.Information Technology Journal，2011，10（1）：113-119.

［22］LU Mingxiang，LI Haisheng，CAI Qiang.A method of semantic Web service automatic composition based on genetic algorithm ［J］.Software Engineering and Knowledge Engineering，2012，162：727-734.

［23］HUANG Bohu，DUAN Zhenhua.Application of the quantum genetic algorithm in Web service selection［J］.Journal of Xidian University：Natural Science，2010，37（1）：56-61（in Chinese）.［黃伯虎，段振華.量子遺傳算法在Web服務(wù)選擇中的應(yīng)用［J］.西安電子科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，37（1）：56-61.］

［24］WANG Yong，DAI Guiping，HOU Yarong.Dynamic methods of trust-aware composition service selection［J］.Chinese Journal of Computers，2009，32（8）：1668-1675（in Chinese）.［王 勇，代桂平，侯亞榮.信任感知的組合服務(wù)動(dòng)態(tài)選擇方法［J］.計(jì)算機(jī)學(xué)報(bào)，2009，32（8）：1668-1675.］

［25］FANG Qiqing，PENG Xiaoming，LIU Qinghua，et al.A global QoS optimizing Web services selection algorithm based on MOACO for dynamic web service composition［C］／／Proceedings of International Forum on Information Technology and Application.Washington，D.C.，USA：IEEE，2009：37-42.

［26］LI Jinzhong，XIA Jiewu，TANG Weidong，et al.Survey on web services selection algorithms based on QoS［J］.Application Research of Computers，2010，27（10）：3622-3638（in Chinese）.［李金忠，夏潔武，唐衛(wèi)東，等.基于QoS 的Web服務(wù)選擇算法綜述［J］.計(jì)算機(jī)應(yīng)用研究，2010，27（10）：3622-3638.］

［27］PENG B.Knowledge and population swarms in cultural algorithms for dynamic environments［D］.Detroit，Mich.，USA：Wayne State University，2005.

［28］DILLENBOURG P.Collaborative learning：cognitive and computational approaches［M］.New York，N.Y.，USA：Elsevier Science，Inc.，1999.

［29］MOU Yuje，CAO Jian，ZHANG Shensheng，et al.Research on extended Web service QoS model［J］.Computer Science，2006，33（1）：4-9（in Chinese）.［牟玉潔，曹 健，張申生，等.擴(kuò)展的Web Service服務(wù)質(zhì)量模型研究［J］.計(jì)算機(jī)科學(xué)，2006，33（1）：4-9.］