本发明设计web服务组合领域，具体涉及web服务组合的参数自适应小生境差分进化方法。
背景技术：
随着web服务相关标准的持续完善，越来越多的web服务在网上共享，然而单个web服务功能有限，很难满足实际需求，因此需要将共享的web服务组合起来，增强web服务的能力。web服务组合的研究在这种背景下被提出，并吸引了工商界和学术界的广泛关注。
目前广泛采用的服务度量标准为qos（qualityofservice），qos评价指标主要包括信誉度、可用性、成本费用、响应时间等。但这只仅仅反映了服务技术方面的特性，用户的主观方面被忽略了，所以不能够反映用户对服务的满意程度。体验质量（qualityofexperience，qoe）是凭借用户满意程度来作为评价标准的。它结合了网络性能、业务质量、主观评测等影响因素，直接反映了用户对服务舒适度的满意程度。web服务组合的实质为np难问题，目前主流的算法是智能优化算法。差分进化算法具有高可靠性、强鲁棒性以及良好的优化性能，但同时也有早熟收敛和搜索停滞的缺点。
技术实现要素：
本发明针对上述问题，提出web服务组合的参数自适应小生境差分进化方法，在标准差分进化算法的基础之上，引入小生境淘汰策略和参数自适应不仅能避免标准差分进化算法本身的缺点还能提高其算法的性能和稳定性。
本发明提出的web服务组合的参数自适应小生境差分进化方法，包括如下步骤：
（1）建立web服务组合优化整体模型：把用户需求分解为各个子服务，依据web服务组合的评价模型，将资源库中对应的各个子服务的qos，转化为体验质量（qualityofexperience，qoe），依此求出适应度函数，对web子服务的组合进行优化，将优化的服务提供给用户，该适应度函数为：
（2）设置控制参数：种群规模np、缩放因子f、变异因子cr、最大迭代次数gmax、种群代数t=0、小生境半径r、迭代次数num、划分子种群个数n；
（4）对种群中所有个体进行适应度值评估，然后将初始化种群划分为n个子种群，保持每个子种群中的个体数量相同，计算n种子种群中所有个体的适应度函数值，求出没个子种群中的最优个体；划分种群的方法可以是随机划分；
（5）对种群进行rcs小生境淘汰策略；具体步骤如下：
（5-3）：重新在子种群中寻找最优个体，转向步骤（5-1）；
（6）判断进化代数t是否是num（进行小生境淘汰的迭代次数）的整数倍，若t是num的整数倍，对最差小生境种群重新初始化，然后转向步骤7；若t不是num整数倍，直接转向步骤（7）；
（7）利用下式对每个子种群个体独立进行变异操作；
（8）利用下式对每个子种群个体独立进行交叉操作；
（11）利用下式计算下一代种群每个个体对应的f和cr，转向步骤（4）；
进一步地，该算法在迭代过程中引入小生境淘汰策略，种群划分为若干子种群，并设置小生境半径，逐一比较各个子种群中最优秀的个体，对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，增强种群的多样性，防止算法陷入局部最优。
进一步地，在标准差分进化算法基础之上加入小生境淘汰策略，让种群中的个体在各自的环境中进化，保证算法迭代过程中种群的多样性，避免在算法迭代后期，适应度高的个体充满整个种群。
进一步地，在该算法的迭代过程中动态地调节缩放因子cr和交叉率f，当子代种群的平均适应度值大于上一代种群平均适应度值，表明种群进化方向种群，保留原始的cr和f；否则，进化方向出现错误，及时调节cr和f。
进一步地，判断该算法是否达到一定的迭代次数，若达到，则对最差小生境种群重新初始化。
进一步地，所述的qoe评价指标，是由qos参数经过模糊专家系统得到，模糊专家系统包括所选qos参数的模糊集与设定的决策表。
有益效果：
本发明通过参数自适应小生境差分进化算法，能够实现：
（1）利用小生境让种群中的个体在各自的环境中进化，保证算法迭代过程中种群的多样性，防止算法陷入局部最优。
（2）根据种群的进化情况动态的调节f和cr，加快算法的收敛速度和搜索效率，同时提高了算法在迭代过程中的稳定性。
（3）能够适应不同规模下的web服务组合问题，具有较强的鲁棒性。
附图说明
图1为本发明web服务组合优化方法整体框图。
图2为本发明参数自适应小生境差分进化算法整体框架流程图。
图3为本发明串联的web服务组合模型。
具体实施方式
下面结合说明书附图对本发明的技术方案做进一步的详细说明。
本发明提出了一种基于模糊系统和参数自适应小生境差分进化方法的web服务组合优化方法，该方法模型如图1所示。
下面详细介绍方法的实施细节过程，如附图1、附图2和附图3所示。
1.建立web服务组合优化整体模型，如附图1所示，把用户需求分解为各个子服务，依据web服务组合的评价模型，将资源库中对应的各个子服务的qos，转化为体验质量（qualityofexperience，qoe），依此求出适应度函数，对web子服务的组合进行优化，将优化的服务提供给用户。优化方法的服务组合模型，如附图2所示，适应度函数为：
本专利中的参数自适应小生境差分进化算法框架流程如附图3。
2.初始化参数，设置算法控制参数。种群规模np；缩放因子f；变异因子cr；最大迭代次数gmax；种群代数t=0；小生境半径r；迭代次数num；划分子种群个数n；
4．对种群中所有个体进行适应度值评估，然后将初始化种群划分为n个子种群，保持每个子种群中的个体数量相同，计算n种子种群中所有个体的适应度函数值，求出没个子种群中的最优个体；划分种群的方法可以是随机划分。
5．对种群进行rcs小生境淘汰策略；具体步骤如下：
step5-3：重新在子种群中寻找最优个体，转向step5-1。
6．判断进化代数t是否是num（进行小生境淘汰的迭代次数）的整数倍，若t是num的整数倍，对最差小生境种群重新初始化，然后转向步骤7；若t不是num整数倍，直接转向步骤7。
7．对每个子种群个体独立进行变异操作。
8．对每个子种群个体独立进行交叉操作。
11．根据下式计算下一代种群每个个体对应的f和cr，转向步骤4。
以上所述仅为本发明的较佳实施方式，本发明的保护范围并不以上述实施方式为限，但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化，皆应纳入权利要求书中记载的保护范围内。