公开(公告)号：CN108512707A

公开(公告)日：2018-09-07

申请号：CN201810349114.5

申请日：2018-04-18

Applicant: 南京邮电大学 ,  南京邮电大学南通研究院有限公司

Inventor： 周井泉 ,  李强 ,  张严凯 ,  许杰

IPC: H04L12/24 ,  H04L29/08 ,  G06N3/12

CPC classification number: H04L41/50 ,  G06N3/126 ,  H04L67/02

Abstract: 本发明公布了一种Web服务组合的优化方法，依据用户的服务需求，采用参数自适应小生境差分进化方法，快速稳定地得到体验质量高的Web服务组合的优选结果。首先建立一个基于体验质量QoE评价指标的模糊专家系统模型，并使用参数自适应小生境差分进化算法求解，该算法将初始种群划分为若干子种群，对各个子种群中优秀个体之间小于小生境半径的个体进行重置，让所有子种群的个体在各自的环境中进化迭代；对种群中个体进行变异、交叉操作，利用贪婪算法进行优选成员，在算法迭代过程中动态地调节缩放因子和交叉率，提高算法的收敛速度和算法的稳定性。

公开(公告)号：CN107317699B

公开(公告)日：2020-11-13

申请号：CN201710380820.1

申请日：2017-05-25

Applicant: 南京邮电大学

Inventor： 张严凯 ,  周井泉 ,  王菁华 ,  李强 ,  高慧

IPC: H04L12/24 ,  H04L12/911 ,  H04L29/08

Abstract: 本发明公布了一种云制造服务组合的动态蚁群快速优选方法，该方法根据用户请求，在云制造服务组合的QoS(Quality of Service)评估模型之上，通过综合成本C(Cost)、时间T(Time)、质量函数Q(Quality function)和满意度S(Satisfaction)四个方面得到一个适应度函数F，应用改进蚁群算法进行搜索，以此优选结果分配组合服务。优化搜索过程采用了两个阶段，第一阶段蚂蚁进行全局搜索且加入较大的随机扰动，第二阶段蚂蚁进行局部搜索且加入较小的随机扰动，保证算法在前期不陷入局部最优，后期有较快的收敛速率。本发明能够解决原始蚁群算法易陷入局部最优解、收敛速度慢及容易出现搜索停滞的问题，并且在解决大规模云制造服务组合问题上也有较好的效果。

公开(公告)号：CN107317699A

公开(公告)日：2017-11-03

申请号：CN201710380820.1

申请日：2017-05-25

Applicant: 南京邮电大学

Inventor： 张严凯 ,  周井泉 ,  王菁华 ,  李强 ,  高慧

IPC: H04L12/24 ,  H04L12/911 ,  H04L29/08

Abstract: 本发明公布了一种云制造服务组合的动态蚁群快速优选方法，该方法根据用户请求，在云制造服务组合的QoS(Quality of Service)评估模型之上，通过综合成本C(Cost)、时间T(Time)、质量函数Q(Quality function)和满意度S(Satisfaction)四个方面得到一个适应度函数F，应用改进蚁群算法进行搜索，以此优选结果分配组合服务。优化搜索过程采用了两个阶段，第一阶段蚂蚁进行全局搜索且加入较大的随机扰动，第二阶段蚂蚁进行局部搜索且加入较小的随机扰动，保证算法在前期不陷入局部最优，后期有较快的收敛速率。本发明能够解决原始蚁群算法易陷入局部最优解、收敛速度慢及容易出现搜索停滞的问题，并且在解决大规模云制造服务组合问题上也有较好的效果。