已閱讀1頁，還剩44頁未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、Web服務(wù)的高速發(fā)展，帶來Web服務(wù)組合的多種可能。有很多功能相似的Web服務(wù)，但他們的非功能屬性卻不同，如何將這些Web服務(wù)組合起來是個NP難題。
本文采用了改進(jìn)的人工蜂群算法來解決Web服務(wù)組合優(yōu)化問題，具體如下：
首先，本文中提出精英交叉以及空間距離的精英組合策略，通過與遺傳算法結(jié)合改變了引領(lǐng)蜂的搜索范圍，能夠有效避免早熟現(xiàn)象，優(yōu)化種群。
多目標(biāo)問題解的屬性間存在著相互沖突，如果提高解的某個屬性，另外
2、的屬性在一定程度可能會降低，因此為了使得各個目標(biāo)屬性能夠達(dá)到最佳平衡，本文采用帕累托構(gòu)造非支配解并將多目標(biāo)問題轉(zhuǎn)化為求得一組解。Web組合優(yōu)化問題一般只會推出一個最優(yōu)解，存在一定的局限性，難以滿足對準(zhǔn)確性的要求，因此本文基于帕累托解集會推出一組的最優(yōu)解。并且通過帕累托解集改進(jìn)食物源違反規(guī)則，得到豐富且能夠更加適應(yīng)種群優(yōu)化要求的解。
然后，為了擴(kuò)大跟隨蜂在覓食階段的種群范圍，提出基于效用值的隨機(jī)多交換鄰域跟隨蜂覓食策略；原始蜂群
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于Pareto多目標(biāo)人工蜂群算法的Web服務(wù)組合優(yōu)化研究.pdf
- 基于改進(jìn)人工蜂群算法的機(jī)組組合優(yōu)化方法.pdf
- 面向領(lǐng)域服務(wù)組合的人工蜂群優(yōu)化算法S-ABC及其支持工具.pdf
- 基于改進(jìn)人工蜂群算法的聚類研究
- 人工蜂群算法的研究與改進(jìn).pdf
- 混合人工蜂群算法的改進(jìn)研究.pdf
- 基于改進(jìn)人工蜂群算法的聚類研究.pdf
- 高頻交易的投資組合配置——基于人工蜂群算法的改進(jìn).pdf
- 基于人工蜂群算法的約束優(yōu)化問題研究.pdf
- 人工蜂群算法的改進(jìn)與應(yīng)用.pdf
- 基于人工蜂群算法的Hadoop調(diào)度算法研究與改進(jìn).pdf
- 人工蜂群算法優(yōu)化感知機(jī).pdf
- 基于人工蜂群算法的泵站運(yùn)行優(yōu)化研究.pdf
- 基于信任的Web服務(wù)組合選擇算法研究.pdf
- 基于改進(jìn)人工蜂群算法的模糊聚類研究.pdf
- 基于人工蜂群算法的分類算法研究.pdf
- 基于人工蜂群算法的拖輪調(diào)度優(yōu)化.pdf
- 人工蜂群算法及其在組合優(yōu)化中的應(yīng)用研究.pdf
- 基于改進(jìn)人工蜂群算法的多機(jī)系統(tǒng)PSS參數(shù)協(xié)調(diào)優(yōu)化研究.pdf
- 人工蜂群算法的改進(jìn)及應(yīng)用研究.pdf
評論
0/150
提交評論