CN104283954A - 面向移动服务社区的服务组合选择方法 - Google Patents

Abstract

本发明提供一种面向移动服务社区的服务组合方法，针对用户移动特性以及移动服务调用过程，提出了一个移动服务社区框架；基于该移动服务社区框架，提出了基于磷虾群优化算法的服务组合选择方法，以获取近似最优的服务组合结果；从而克服了现有技术中的方法仅仅针对传统互联网中的服务进行组合导致无法直接应用于移动服务社区的问题，也克服了现有技术中的方法在规划服务组合方案时没有考虑用户的移动特性导致服务组合实际可用性的问题，保证了移动服务社区中服务组合的成功率和执行效率。

Description

面向移动服务社区的服务组合选择方法

技术领域

本发明涉移动环境下的服务组合选择问题，尤其涉及一种面向移动服务社区的服务组合选择方法。 

背景技术

近年来，随着移动互联网以及移动终端(智能手机、PDA、平板电脑等)的飞速发展，Web服务不再受限于传统的网络环境，它们可以通过移动终端提供服务，变得更加灵活也更加复杂。一方面，由于移动终端近些年取得了众多技术突破，使得移动设备的计算能力和存储能力都有了大幅提高，利用移动终端设备可以完成更多的任务和功能。另一方面，无线通信技术的发展提升了移动设备之间数据传输的速度和稳定性，通过移动设备直接交付服务变得更加可靠便捷。基于以上技术基础，利用移动终端提供Web服务将成为未来的发展趋势。移动用户可以形成一个局部的网络服务社区，在该社区中，每个移动用户既可以提供服务，也可以发送服务请求。用户之间可以通过移动终端的无线通信技术(蓝牙、WLan等)直接连接交互，由于无线直连技术只支持一定的通信距离，因此服务请求者只能感知到附近的服务提供者并进行服务调用。因此，这对传统的服务组合选择技术提出了新的挑战：服务请求者和服务提供者都处在移动过程中，在移动过程中，由于通信距离的限制，只有当两者处在通信距离范围内服务交互才能成功完成，因此如何选择服务保证服务组合的成功且最优执行是本发明需要解决的问题。 

发明内容

针对上述问题，本发明提出了一个移动服务社区的框架，并基于该框架提出了服务组合选择方法以得到近似最优服务组合结果。 

为了解决上述技术问题，本发明的技术方案如下： 

1.一个移动服务社区框架： 

1)移动服务社区模型被定义为一个三元组，mssc＝<Region，C，U>，其中Region表示该移动服务社区所对应的固定区域，例如校园、公司、餐馆等；C表示该移动服务社区所处区域中的关键点，每个关键点为移动用户可以停留的固定位置点，也是移动用户移动位移的起点或终点。例如校园中的教学楼、图书馆等；博物馆中的展区；商场中的柜台等等。U表示移动服务社区中的用户，每个用户可以在关键点之间移动或者停留在某个关键点，每个用户既可以是服务请求也可以是服务提供者。 

2)移动服务社区还规范了移动用户的相关操作，主要分为移动操作和服务操作： 

用户的移动操作具体包括： 

21)移动：移动用户的移动操作必须是在移动服务社区中的任意两个关键点之间，为了简化计算，用户以两个关键点之间的直线作为移动路径进行移动。 

22)停留：当一个移动用户到达某一个关键点时，该用户可以选择停留在当前关键点一段时间，然后再进行移动。 

23)离开：但用户离开该移动社区所对应的区域时，该移动用户将无法被其他用户所感知，也无法发现及调用其他该区域的服务用户提供的服务。 

用户的服务操作包括： 

24)服务发布：移动用户可以选择将其移动终端上的设为服务设为公开即共享给其他用户调用，当其他移动服务处在该用户感知范围内时，便可发现其公开的服务，而其他未公开的服务将不会被其他用户发现。 

25)服务发现：通过服务发现，移动用户可以获取一个服务展示列表，展示出当前处在该用户移动终端感知范围内的其他移动用户所发布的服务。然后 该用户可根据需要选择调用其中某一服务。 

26)服务调用：当移动用户选择调用某一服务时，他向该服务提供者发送服务调用请求，然后与服务提供者直接进行服务交互。服务调用分为两种：同步调用，要求服务请求这和提供者必须始终处在移动终端的最大通信距离内，否则服务交互将失败；异步调用：服务请求者和提供者只需要在服务请求阶段和服务结果返回阶段处在移动终端的最大通信距离内即可。 

2.一种面向移动服务社区的服务组合选择方法，基于磷虾群算法获取近似最优的服务组合结果，包括如下步骤： 

基于磷虾群算法的服务组合选择方法，将一个服务组合结果对应为一个磷虾个体的位置，则组合结果的集合为磷虾群体，组合服务中的组件服务对应为位置向量中的一个变量，评估一个磷虾位置的适应度则是根据计算该服务组合的总执行时间得到，优化目标则是找到最短执行时间的服务组合结果，该服务组合选择方法主要包含三个步骤： 

1)初始化 

在初始化阶段，需要确定磷虾群的数量P，以及最大迭代次数I，然后随机生成P个磷虾的位置向量： 

X_i＝(x_i1，x_i2，...，x_id) 

其中i＝(1，2，3....，P)，d是服务组合中任务的数量，x_ij表示X_i中对于第j个任务选择的备选服务； 

2)评估阶段 

计算所有磷虾个体的位置向量的适应度，通过计算服务组合的总响应时间得到其适应度值。 

3)磷虾移动阶段 

每个磷虾个体的移动具体分为三个步骤， 

31)受其他磷虾的位置影响进行移动，第i个磷虾受其它磷虾影响的移动过程可定义如下： 

$N_i^{\mathrm{new}}=N^{\max }{\mathrm{\&alpha;}}_i+{\mathrm{\&omega;}}_n{N}_i^{\mathrm{old}}---\left(1\right)$

其中，N^max表示最大移动速度，设为0.01。ω_n为权重系数，取值范围为[0，1]。表示上一轮迭代获得的移动结果，α_i表示移动方向： 

${\mathrm{\&alpha;}}_i={\mathrm{\&alpha;}}_i^{\mathrm{local}}+{\mathrm{\&alpha;}}_i^{t\arg \mathrm{et}}---\left(2\right)$

其中，表示其它磷虾的影响，表示最优的磷虾对移动方向的影响： 

${\mathrm{\&alpha;}}_i^{\mathrm{local}}={\mathrm{\&Sigma;}}_{j=1}^k{\hat{F}}_{i,j}{\hat{X}}_{i,j}---\left(3\right)$

${\hat{F}}_{i,j}=\frac{F_i-F_j}{F_{\mathrm{worst}}-F_{\mathrm{best}}}---\left(4\right)$

${\hat{X}}_{i,j}=\frac{x_i-x_j}{\left|\right|x_i-x_j\left|\right|+\mathrm{\&epsiv;}}---\left(5\right)$

其中，F_worst和F_best表示磷虾群中最差和最优的适应度值，F_i和F_j表示第i/j个磷虾个体的适应度值。适应度值可根据计算服务组合的总响应时间获得，值越小表示结果越优。ε为一个正实数，用于避免奇异值的产生。 

用于计算目前最优磷虾对移动结果的影响： 

${\mathrm{\&alpha;}}_i^{t\arg \mathrm{et}}=C_{\mathrm{best}}{\hat{F}}_{\mathrm{best}}{\hat{X}}_{\mathrm{best}}---\left(6\right)$

其中，表示当前最优的磷虾的位置向量，表示当前最优磷虾的适应度，C_best表示影响系数，其取值根据如下公式计算： 

$C_{\mathrm{best}}=2(\mathrm{rand}+\frac{I}{I_{\max }})---\left(7\right)$

其中，rand表示0到1之间得随机数，I表示当前的迭代次数，I_max表示最大迭代次。 

32)受食物位置影响的移动主要受两方面因素决定，食物的位置和之前关于食物位置的经验。第i个磷虾受食物影响的移动过程可定义如下： 

$F_i=V_f{\mathrm{\&beta;}}_i+{\mathrm{\&omega;}}_f{F}_i^{\mathrm{old}}---\left(8\right)$

其中，V_f表示移动速度，设定为0.02.ω_f表示为权重系数，取值范围为[0，1]。 表示前一次迭代获得的移动结果。β_i表示移动方向： 

${\mathrm{\&beta;}}_i={\mathrm{\&beta;}}_i^{\mathrm{food}}+{\mathrm{\&beta;}}_i^{\mathrm{best}}---\left(9\right)$

其中，表示食物的吸引力，表示第i个磷虾所到过的最好位置的影响。 

食物的位置根据如下公式获得： 

$X^{\mathrm{food}}=\frac{{\mathrm{\&Sigma;}}_{i=1}^N\frac{1}{F_i}{X}_i}{{\mathrm{\&Sigma;}}_{i=1}^N\frac{1}{F_i}}---\left(10\right)$

${\mathrm{\&beta;}}_i^{\mathrm{food}}=C^{\mathrm{food}}{F}^{\mathrm{food}}{X}^{\mathrm{food}}---\left(11\right)$

其中，表示食物系数，根据如下公式获得： 

$C_{\mathrm{best}}=2(1-\frac{I}{I_{\max }})---\left(12\right)$

第i个磷虾所到过的最好位置的影响根据如下公式计算： 

${\mathrm{\&beta;}}_i^{\mathrm{best}}={\hat{F}}_{i,\mathrm{best}}{\hat{X}}_{i,\mathrm{best}}---\left(13\right)$

其中，表示第i个磷虾所到达过的适应度值最优的位置向量。 

33)扩散移动，可理解为磷虾个体的随机移动，定义如下： 

$D_i=D^{\max }(1-\frac{I}{I_{\max }})\mathrm{\&delta;}---\left(14\right)$

其中，D^max表示最大扩散移动速度，为[0.002，0.01]之间的随机数，I表示当前的迭代次数，I_max表示最大迭代次。 

4)磷虾移动位置更新 

上述三个移动过程可以并行执行，在完成三个移动过程之后，对磷虾的位置向量进行更新操作： 

X_i(t+Δt)＝X_i(t)+Δt(N_i+F_i+D_i)   (15) 

其中，Δt表示范围因子，由搜索空间决定： 

$\mathrm{\&Delta;t}=C_t{\mathrm{\&Sigma;}}_{j=1}^d({\mathrm{UB}}_j-{\mathrm{LB}}_j)---\left(16\right)$

其中，d为位置向量中的变量个数，UB_j和LB_j为第j个变量的上边界和下边界值。C_t是用来调节搜索范围的参数，C_t取值小可以使磷虾个体搜索的更加仔细。 

所有磷虾个体的位置向量得到更新后，如果迭代次数没有达到终止条件，则重新进入磷虾移动阶段，进行新一轮的移动，直到满足终止条件为止。 

本发明的有益效果在于：本发明提供的面向移动服务社区的服务组合方法，针对用户移动特性以及移动服务调用过程，提出了一个移动服务社区框架；基于该移动服务社区框架，提出了基于磷虾群优化算法的服务组合选择方法，以获取近似最优的服务组合结果；从而克服了现有技术中的方法仅仅针对传统互联网中的服务进行组合导致无法直接应用于移动服务社区的问题，也克服了现有技术中的方法在规划服务组合方案时没有考虑用户的移动特性导致服务组合实际可用性的问题，保证了移动服务社区中服务组合的成功率和执行效率。 

附图说明

图1是本发明实施例1提供的面向移动服务社区的服务组合选择方法的流程示意图； 

图2是基于磷虾群优化方法的服务组合选择方法流程图。 

具体实施方式

下面将结合附图和具体实施例对本发明做进一步的说明。 

实施例1： 

如图1～图2所示，本发明实施例1提供的面向移动服务社区的服务组合选择方法包括：收集移动终端以及移动网络的实时信息；根据实时信息建立服务社区模型；根据磷虾群优化算法进行组合优化，得到服务组合的选择策略；根据服务组合选择策略选择服务组合中的具体服务进行调用。 

在本发明实施例1提供的面向移动服务社区的服务组合方法中，建立面向移动服务社区模型的方法包括： 

移动服务社区模型被定义为一个三元组，mssc＝<Region，C，U>，其中Region表示该移动服务社区所对应的固定区域，例如校园、公司、餐馆等；C表示该移动服务社区所处区域中的关键点，每个关键点为移动用户可以停留的固定位置点，也是移动用户移动位移的起点或终点。例如校园中的教学楼、图书 馆等；博物馆中的展区；商场中的柜台等等。U表示移动服务社区中的用户，每个用户可以在关键点之间移动或者停留在某个关键点，每个用户既可以是服务请求也可以是服务提供者。 

在本发明实施例1提供的面向移动服务社区的服务组合选择方法中，采用基于磷虾群算法的多目标方法进行组合优化的方法包括： 

1)初始化 

在初始化阶段，需要确定磷虾群的数量P，以及最大迭代次数I，然后随机生成P个磷虾的位置向量： 

X_i＝(x_i1，x_i2，...，x_id) 

其中i＝(1，2，3....，P)，d是服务组合中任务的数量，x_ij表示X_i中对于第j个任务选择的备选服务； 

2)评估阶段 

计算所有磷虾个体的位置向量的适应度，通过计算服务组合的总响应时间得到其适应度值。 

3)磷虾移动阶段 

每个磷虾个体的移动具体分为三个步骤， 

3.1)受其他磷虾的位置影响进行移动，第i个磷虾受其它磷虾影响的移动过程可定义如下： 

$N_i^{\mathrm{new}}=N^{\max }{\mathrm{\&alpha;}}_i+{\mathrm{\&omega;}}_n{N}_i^{\mathrm{old}}---\left(1\right)$

其中，N^max表示最大移动速度，设为0.01。ω_n为权重系数，取值范围为[0，1]。表示上一轮迭代获得的移动结果，α_i表示移动方向： 

${\mathrm{\&alpha;}}_i={\mathrm{\&alpha;}}_i^{\mathrm{local}}+{\mathrm{\&alpha;}}_i^{t\arg \mathrm{et}}---\left(2\right)$

其中，表示其它磷虾的影响，表示最优的磷虾对移动方向的影响： 

${\mathrm{\&alpha;}}_i^{\mathrm{local}}={\mathrm{\&Sigma;}}_{j=1}^k{\hat{F}}_{i,j}{\hat{X}}_{i,j}---\left(3\right)$

${\hat{F}}_{i,j}=\frac{F_i-F_j}{F_{\mathrm{worst}}-F_{\mathrm{best}}}---\left(4\right)$

${\hat{X}}_{i,j}=\frac{x_i-x_j}{\left|\right|x_i-x_j\left|\right|+\mathrm{\&epsiv;}}---\left(5\right)$

其中，F_worst和F_best表示磷虾群中最差和最优的适应度值，F_i和F_j表示第i/j个磷虾个体的适应度值。适应度值可根据计算服务组合的总响应时间获得，值越小表示结果越优。ε为一个正实数，用于避免奇异值的产生。 

用于计算目前最优磷虾对移动结果的影响： 

${\mathrm{\&alpha;}}_i^{t\arg \mathrm{et}}=C_{\mathrm{best}}{\hat{F}}_{\mathrm{best}}{\hat{X}}_{\mathrm{best}}---\left(6\right)$

其中，表示当前最优的磷虾的位置向量，表示当前最优磷虾的适应度，C_best表示影响系数，其取值根据如下公式计算： 

$C_{\mathrm{best}}=2(\mathrm{rand}+\frac{I}{I_{\max }})---\left(7\right)$

其中，rand表示0到1之间得随机数，I表示当前的迭代次数，I_max表示最大迭代次。 

3.2)受食物位置影响的移动主要受两方面因素决定，食物的位置和之前关于食物位置的经验。第i个磷虾受食物影响的移动过程可定义如下： 

$F_i=V_f{\mathrm{\&beta;}}_i+{\mathrm{\&omega;}}_f{F}_i^{\mathrm{old}}---\left(8\right)$

其中，V_f表示移动速度，设定为0.02.ω_f表示为权重系数，取值范围为[0，1]。 表示前一次迭代获得的移动结果。β_i表示移动方向： 

${\mathrm{\&beta;}}_i={\mathrm{\&beta;}}_i^{\mathrm{food}}+{\mathrm{\&beta;}}_i^{\mathrm{best}}---\left(9\right)$

其中，表示食物的吸引力，表示第i个磷虾所到过的最好位置的影响。 

食物的位置根据如下公式获得： 

$X^{\mathrm{food}}=\frac{{\mathrm{\&Sigma;}}_{i=1}^N\frac{1}{F_i}{X}_i}{{\mathrm{\&Sigma;}}_{i=1}^N\frac{1}{F_i}}---\left(10\right)$

${\mathrm{\&beta;}}_i^{\mathrm{food}}=C^{\mathrm{food}}{F}^{\mathrm{food}}{X}^{\mathrm{food}}---\left(11\right)$

其中，C^food表示食物系数，根据如下公式获得： 

$C_{\mathrm{best}}=2(1-\frac{I}{I_{\max }})---\left(12\right)$

第i个磷虾所到过的最好位置的影响根据如下公式计算： 

${\mathrm{\&beta;}}_i^{\mathrm{best}}={\hat{F}}_{i,\mathrm{best}}{\hat{X}}_{i,\mathrm{best}}---\left(13\right)$

其中，表示第i个磷虾所到达过的适应度值最优的位置向量。 

3.3)扩散移动，可理解为磷虾个体的随机移动，定义如下： 

$D_i=D^{\max }(1-\frac{I}{I_{\max }})\mathrm{\&delta;}---\left(14\right)$

其中，D^max表示最大扩散移动速度，为[0.002，0.01]之间的随机数，I表示当前的迭代次数，I_max表示最大迭代次。 

4)磷虾移动位置更新 

上述三个移动过程可以并行执行，在完成三个移动过程之后，对磷虾的位置向量进行更新操作： 

X_i(t+Δt)＝X_i(t)+Δt(N_i+F_i+D_i)   (15) 

其中，Δt表示范围因子，由搜索空间决定： 

$\mathrm{\&Delta;t}=C_t{\mathrm{\&Sigma;}}_{j=1}^d({\mathrm{UB}}_j-{\mathrm{LB}}_j)---\left(16\right)$

其中，d为位置向量中的变量个数，UB_j和LB_j为第j个变量的上边界和下边界值。C_t是用来调节搜索范围的参数，C_t取值小可以使磷虾个体搜索的更加仔细。 

5)重复2)-4)步骤，直到终止条件达成；该终止条件为：初始化阶段中设定的最大循环次数，选取适应度最低的学员对应的服务组合方案作为最终结果。 

所以，本发明实施例1提供的面向移动服务社区的服务组合选择方法，通过收集移动终端以及移动网络的实时信息；根据实时信息建立服务社区模型；根据磷虾群优化算法进行组合优化，得到服务组合的选择策略；根据服务组合选择策略选择服务组合中的具体服务进行调用。从从而克服了现有技术中的方法仅仅针对传统互联网中的服务进行组合导致无法直接应用于移动服务社区的问题，也克服了现有技术中的方法在规划服务组合方案时没有考虑用户的移动特性导致服务组合实际可用性的问题，保证了移动服务社区中服务组合的成功 率和执行效率。 

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明构思的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明保护范围内。 

Claims (6)

1.一种面向移动服务社区的服务组合选择方法，其特征在于，包括：

收集移动终端以及移动网络的实时信息；

根据实时信息建立服务社区模型；

根据磷虾群优化算法进行组合优化，得到近似最优的服务组合的、选择策略；

根据服务组合选择策略选择服务组合中的具体服务进行调用。

2.如权利要求1所述的面向移动服务社区的服务组合选择方法，其特征在于，基于磷虾群算法获取近似最优的服务组合结果，包括如下步骤：基于磷虾群算法的服务组合选择方法，将一个服务组合结果对应为一个磷虾个体的位置，则组合结果的集合为磷虾群体，组合服务中的组件服务对应为位置向量中的一个变量，评估一个磷虾位置的适应度则是根据计算该服务组合的总执行时间得到，优化目标则是找到最短执行时间的服务组合结果。

3.如权利要求1所述的面向移动服务社区的服务组合选择方法，其特征在于，该服务组合选择方法主要包含三个步骤：

初始化，需要确定磷虾群的数量，以及最大迭代次数，然后随机生成个磷虾的位置向量；

计算所有磷虾个体的位置向量的适应度，通过计算服务组合的总响应时间得到其适应度值；

对每个磷虾个体的移动过程进行计算；

对根据移动结果将磷虾移动位置更新；

所有磷虾个体的位置向量得到更新后，如果迭代次数没有达到终止条件，则重新进入磷虾移动阶段，进行新一轮的移动，直到满足终止条件为止。

4.如权利要求4所述的面向移动服务社区的服务组合选择方法，其特征在于，每个磷虾个体的移动包括三个步骤：(1)受其他磷虾的位置影响进行移动；(2)受食物位置影响的移动；(3)磷虾个体的随机移动。

5.如权利要求4所述的面向移动服务社区的服务组合选择方法，其特征在于，初始化阶段中设定的最大循环次数，选取适应度最低的学员对应的服务组合方案作为最终结果。

6.如权利要求1所述的面向移动服务社区的服务组合选择方法，其特征在于，所述移动服务社区模型被定义为一个三元组mssc＝<Region，C，U>，其中Region表示该移动服务社区所对应的固定区域，C表示该移动服务社区所处区域中的关键点，每个关键点为移动用户可以停留的固定位置点，也是移动用户移动位移的起点或终点，U表示移动服务社区中的用户，每个用户可以在关键点之间移动或者停留在某个关键点，每个用户既可以是服务请求也可以是服务提供者。