烟花粒子群优化算法在Web服务组合上的应用

大数据环境下,服务组合问题已经引起极大关注.然而,随着服务数量的增多,如何在动态环境下找到满足用户需求的组合服务已成为亟待解决的问题.为解决大数据环境下大规模服务组合优化问题,提出一种改进的粒子群优化算法,有效克服了传统粒子群算法对于离散优化问题多样性低、易于陷入局部最优的缺陷.首先,采用粒子活跃度检测机制,增加种群多样性,从而有效增强服务组合优化方案的多样性.其次,在粒子学习过程中,引入烟花爆炸机制,加强种群粒子的搜索能力.同时,引入粒子反向学习理论,显著提高了服务组合全局寻优能力.实验结果表明,所提出的方法可以解决不同规模的服务组合问题,与已有的方法相比,有可较好的性能.