物联网环境下基于改进型粒子群算法的服务组合优化分析

赵瑞玉　朱艳生

摘要：随着物联网技术的不断发展，大量的智能设备均配备了复杂的通信与计算能力，同时智能设备的不断激增，也使得其对Web服务的质量与效率提出了更高的要求与挑战。为了解决上述Web服务的质量与效率问题，本文研究分析在传统粒子群算法中加入混沌搜索策略以实现整体算法搜索效率的提升，同时保证Web组合优化的多样性。同时为了解决传统物联网环境下粒子群算法在逻辑顺序上的混乱问题，在原算法中加入捕食搜索策略，从而实现组合逻辑的进一步优化。

关键词：物联网  改进型粒子群算法  优化

引言

信息技术、计算机技术、通信技术以及智能硬件技术的交叉发展以及智能终端的快速迭代更新，使得新兴技术与交叉学科大量的产生。物联网技术作为当今社会比较热门的技术领域，其发展也是日新月异。但是物聯网本身具有异构、环境始终处于动态变化以及面向的服务需求多变而庞杂的特点，单个的原子服务已经不能满足物联网对服务架构的需求。因此大量的学者将面向服务的架构SOA应用于物联网技术，并直接将Web服务直接物理移植到物联网设备上，同时通过利用Web组合将大量的原子服务进行组合优化以此来适应不同用户的需求。随着物联网技术的发展，大量服务对象对于服务的质量即QoS的要求越来越高，而传统的基于QoS的Web组合算法虽然在一定程度上可以满足用户的需求，但是其在算法全局搜索效率上仍旧存在效率低下的问题。另外，传统的粒子群算法作为解决Web有序组合与无序组合的优秀算法，其在寻找全局最优解的过程中仍旧存在很多问题，诸如寻找最优解具有随机性，从而使得Web组合方案的多样性丢失，同时传统粒子群算法在实际运行时容易出现组合与组合之间的逻辑问题，引起逻辑混乱。因此，针对上述问题对粒子群算法进行改进从而使得该算法具有优秀的全局搜索效率并保证Web组合的多样性，同时解决算法运行过程中组合与组合之间的逻辑混乱问题具有十分重要的意义与现实价值。

1 基于粒子群算法进行优化改进的方案

对基于粒子群算法的Web服务组合优化算法国内外研究现状进行分析研究后发现，基于粒子群算法进行优化改进的方案主要分为两种类型：

1.1将粒子群算法与相应的其他算法进行融合

将粒子群算法与相应的其他算法进行融合，诸如遗传算法、BP神经网络算法、蚁群算法等，利用其他算法的优势来弥补当前粒子群算法所存在的问题。相关学者提出将粒子群算法与遗传算法进行融合，同时改善遗传算法的激励函数从而改善整个算法的全局搜索效率以及寻找最优解的能力，但是该算法仍旧无法解决组合与组合之间易出现逻辑混乱的问题。相关学者提出借助零惯性权重与粒子圆周轨道来控制粒子群的行为，从而解决其易出现过早成熟而易收敛的情况，这种算法在一定程度上实现了粒子群算法在局部与全局之间的平衡，但是无法解决全局搜索效率问题。相关学者]将粒子群算法与人工蚁群算法进行了融合研究，该算法相比于传统算法在算法调度上具有一定的优势，但是相关粒子群算法所存在的问题依旧无法解决，因此其所适用的场合也仅仅局限于特定场合。

1.2对粒子群算法进行优化改进

这种优化改进方式主要是从粒子群算法的结构入手对其进行优化。相关学者[1]提出一种优化的动态离散粒子群算法，其在一定程度上可以解决Web服务组合的动态优化问题，其所使用的场景具有一定的局限性。为了解决Web服务组合优化中所存在的组合与组合之间的逻辑混乱问题，提出了面向有向图的改进型粒子群算法，实践结果表明其可以解决项目之间所出现的逻辑顺序问题，但是该算法在全局搜索效率上较为低下。在优化Web组合全局算法搜索效率上，多目标优化的几何粒子群算法，其主要核心思想是将Web服务组合中的多目标进行细化分解，从而实现将复杂的问题简单分为多个子模块进行处理，将多个目标简化为多个单一目标，这在一定程度上解决了全局搜索效率问题，但是过多的分解操作使得组合与组合之间的出现逻辑混乱的概率大幅增加。

基于上述分析研究，当前粒子群算法作为一种优秀的Web服务组合优化算法，对其本身算法的改进是当今组合优化算法发展的方向与趋势。

2 改进型粒子群算法在Web组合服务中的应用

混沌算法具有规律性、随机性以及遍历性的特点，将其应用到粒子群算法的初始化以及运动变化过程中，可改善传统粒子群算法所具有的全局搜索效率低下的问题。在混沌算法的实际应用中，将粒子群算法的初始化与混沌算法的初始化进行融合。首先利用粒子群算法中的组合优化方案对粒子群进行优化，从而改善个体的质量，从而提高整个算法的效率，接着使得粒子进入混沌阶段，在此过程中使用区别于其他规则的新的扰乱规则对进入到混沌区的粒子速度与位置进行扰乱排序，进而使得算法具有优良的全局搜索能力，避免出现早熟收敛的情况。如式1所示为引入混沌策略后的粒子群初始化矩阵，其中对应的k0，0，k0，1，k0，2....k0，m-1为对应的经过混沌初始化之后的粒子初始值。

在混沌扰乱部分，混沌算法的加入主要是为了扰乱粒子的速度以及位置，从而提高整个算法的全局搜索效率。首先混沌初始化后会得到当前n个粒子的具体位置以及速度，在粒子初始阶段假设各个粒子的初始适度值为0，依据相应的粒子计算适度函数则可以计算出粒子本身的最优适度值A矩阵以及对应的最优位置B矩阵，同时还能得到全局最优值C以及对应的最佳位置D，由此可以计算出对应的速度扰乱公式如式2、3、4所示，基于式2、3、4可以得到对应的混沌速度更新公式如式5所示。

基于式2、3、4以及5可以得到对应的粒子位置公式如式6所示。

为了解决基于粒子群算法的Web服务组合优化所存在的组合与组合之间的逻辑混乱问题，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将粒子群局部搜索与全局搜索进行调节的作用，同时引入有向图的概念，从而使得Web组合服务中对应的组合与组合之间的逻辑关系可以更清晰的显示出来。