物聯(lián)網(wǎng)環(huán)境下基于改進(jìn)型粒子群算法的服務(wù)組合優(yōu)化分析

趙瑞玉　朱艷生

摘要：隨著物聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，大量的智能設(shè)備均配備了復(fù)雜的通信與計算能力，同時智能設(shè)備的不斷激增，也使得其對Web服務(wù)的質(zhì)量與效率提出了更高的要求與挑戰(zhàn)。為了解決上述Web服務(wù)的質(zhì)量與效率問題，本文研究分析在傳統(tǒng)粒子群算法中加入混沌搜索策略以實現(xiàn)整體算法搜索效率的提升，同時保證Web組合優(yōu)化的多樣性。同時為了解決傳統(tǒng)物聯(lián)網(wǎng)環(huán)境下粒子群算法在邏輯順序上的混亂問題，在原算法中加入捕食搜索策略，從而實現(xiàn)組合邏輯的進(jìn)一步優(yōu)化。

關(guān)鍵詞：物聯(lián)網(wǎng) ?改進(jìn)型粒子群算法 ?優(yōu)化

引言

信息技術(shù)、計算機(jī)技術(shù)、通信技術(shù)以及智能硬件技術(shù)的交叉發(fā)展以及智能終端的快速迭代更新，使得新興技術(shù)與交叉學(xué)科大量的產(chǎn)生。物聯(lián)網(wǎng)技術(shù)作為當(dāng)今社會比較熱門的技術(shù)領(lǐng)域，其發(fā)展也是日新月異。但是物聯(lián)網(wǎng)本身具有異構(gòu)、環(huán)境始終處于動態(tài)變化以及面向的服務(wù)需求多變而龐雜的特點，單個的原子服務(wù)已經(jīng)不能滿足物聯(lián)網(wǎng)對服務(wù)架構(gòu)的需求。因此大量的學(xué)者將面向服務(wù)的架構(gòu)SOA應(yīng)用于物聯(lián)網(wǎng)技術(shù)，并直接將Web服務(wù)直接物理移植到物聯(lián)網(wǎng)設(shè)備上，同時通過利用Web組合將大量的原子服務(wù)進(jìn)行組合優(yōu)化以此來適應(yīng)不同用戶的需求。隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，大量服務(wù)對象對于服務(wù)的質(zhì)量即QoS的要求越來越高，而傳統(tǒng)的基于QoS的Web組合算法雖然在一定程度上可以滿足用戶的需求，但是其在算法全局搜索效率上仍舊存在效率低下的問題。另外，傳統(tǒng)的粒子群算法作為解決Web有序組合與無序組合的優(yōu)秀算法，其在尋找全局最優(yōu)解的過程中仍舊存在很多問題，諸如尋找最優(yōu)解具有隨機(jī)性，從而使得Web組合方案的多樣性丟失，同時傳統(tǒng)粒子群算法在實際運行時容易出現(xiàn)組合與組合之間的邏輯問題，引起邏輯混亂。因此，針對上述問題對粒子群算法進(jìn)行改進(jìn)從而使得該算法具有優(yōu)秀的全局搜索效率并保證Web組合的多樣性，同時解決算法運行過程中組合與組合之間的邏輯混亂問題具有十分重要的意義與現(xiàn)實價值。

1 基于粒子群算法進(jìn)行優(yōu)化改進(jìn)的方案

對基于粒子群算法的Web服務(wù)組合優(yōu)化算法國內(nèi)外研究現(xiàn)狀進(jìn)行分析研究后發(fā)現(xiàn)，基于粒子群算法進(jìn)行優(yōu)化改進(jìn)的方案主要分為兩種類型：

1.1將粒子群算法與相應(yīng)的其他算法進(jìn)行融合

將粒子群算法與相應(yīng)的其他算法進(jìn)行融合，諸如遺傳算法、BP神經(jīng)網(wǎng)絡(luò)算法、蟻群算法等，利用其他算法的優(yōu)勢來彌補當(dāng)前粒子群算法所存在的問題。相關(guān)學(xué)者提出將粒子群算法與遺傳算法進(jìn)行融合，同時改善遺傳算法的激勵函數(shù)從而改善整個算法的全局搜索效率以及尋找最優(yōu)解的能力，但是該算法仍舊無法解決組合與組合之間易出現(xiàn)邏輯混亂的問題。相關(guān)學(xué)者提出借助零慣性權(quán)重與粒子圓周軌道來控制粒子群的行為，從而解決其易出現(xiàn)過早成熟而易收斂的情況，這種算法在一定程度上實現(xiàn)了粒子群算法在局部與全局之間的平衡，但是無法解決全局搜索效率問題。相關(guān)學(xué)者]將粒子群算法與人工蟻群算法進(jìn)行了融合研究，該算法相比于傳統(tǒng)算法在算法調(diào)度上具有一定的優(yōu)勢，但是相關(guān)粒子群算法所存在的問題依舊無法解決，因此其所適用的場合也僅僅局限于特定場合。

1.2對粒子群算法進(jìn)行優(yōu)化改進(jìn)

這種優(yōu)化改進(jìn)方式主要是從粒子群算法的結(jié)構(gòu)入手對其進(jìn)行優(yōu)化。相關(guān)學(xué)者[1]提出一種優(yōu)化的動態(tài)離散粒子群算法，其在一定程度上可以解決Web服務(wù)組合的動態(tài)優(yōu)化問題，其所使用的場景具有一定的局限性。為了解決Web服務(wù)組合優(yōu)化中所存在的組合與組合之間的邏輯混亂問題，提出了面向有向圖的改進(jìn)型粒子群算法，實踐結(jié)果表明其可以解決項目之間所出現(xiàn)的邏輯順序問題，但是該算法在全局搜索效率上較為低下。在優(yōu)化Web組合全局算法搜索效率上，多目標(biāo)優(yōu)化的幾何粒子群算法，其主要核心思想是將Web服務(wù)組合中的多目標(biāo)進(jìn)行細(xì)化分解，從而實現(xiàn)將復(fù)雜的問題簡單分為多個子模塊進(jìn)行處理，將多個目標(biāo)簡化為多個單一目標(biāo)，這在一定程度上解決了全局搜索效率問題，但是過多的分解操作使得組合與組合之間的出現(xiàn)邏輯混亂的概率大幅增加。

基于上述分析研究，當(dāng)前粒子群算法作為一種優(yōu)秀的Web服務(wù)組合優(yōu)化算法，對其本身算法的改進(jìn)是當(dāng)今組合優(yōu)化算法發(fā)展的方向與趨勢。

2 改進(jìn)型粒子群算法在Web組合服務(wù)中的應(yīng)用

混沌算法具有規(guī)律性、隨機(jī)性以及遍歷性的特點，將其應(yīng)用到粒子群算法的初始化以及運動變化過程中，可改善傳統(tǒng)粒子群算法所具有的全局搜索效率低下的問題。在混沌算法的實際應(yīng)用中，將粒子群算法的初始化與混沌算法的初始化進(jìn)行融合。首先利用粒子群算法中的組合優(yōu)化方案對粒子群進(jìn)行優(yōu)化，從而改善個體的質(zhì)量，從而提高整個算法的效率，接著使得粒子進(jìn)入混沌階段，在此過程中使用區(qū)別于其他規(guī)則的新的擾亂規(guī)則對進(jìn)入到混沌區(qū)的粒子速度與位置進(jìn)行擾亂排序，進(jìn)而使得算法具有優(yōu)良的全局搜索能力，避免出現(xiàn)早熟收斂的情況。如式1所示為引入混沌策略后的粒子群初始化矩陣，其中對應(yīng)的k0，0，k0，1，k0，2....k0，m-1為對應(yīng)的經(jīng)過混沌初始化之后的粒子初始值。

在混沌擾亂部分，混沌算法的加入主要是為了擾亂粒子的速度以及位置，從而提高整個算法的全局搜索效率。首先混沌初始化后會得到當(dāng)前n個粒子的具體位置以及速度，在粒子初始階段假設(shè)各個粒子的初始適度值為0，依據(jù)相應(yīng)的粒子計算適度函數(shù)則可以計算出粒子本身的最優(yōu)適度值A(chǔ)矩陣以及對應(yīng)的最優(yōu)位置B矩陣，同時還能得到全局最優(yōu)值C以及對應(yīng)的最佳位置D，由此可以計算出對應(yīng)的速度擾亂公式如式2、3、4所示，基于式2、3、4可以得到對應(yīng)的混沌速度更新公式如式5所示。

基于式2、3、4以及5可以得到對應(yīng)的粒子位置公式如式6所示。

為了解決基于粒子群算法的Web服務(wù)組合優(yōu)化所存在的組合與組合之間的邏輯混亂問題，可以在粒子群算法中加入捕食搜索策略。捕食搜索策略在粒子群算法中主要起到將粒子群局部搜索與全局搜索進(jìn)行調(diào)節(jié)的作用，同時引入有向圖的概念，從而使得Web組合服務(wù)中對應(yīng)的組合與組合之間的邏輯關(guān)系可以更清晰的顯示出來。