·890· 工程科学学报，第40卷，第7期 验结果如图7所示，其中，纵坐标表示两种物流服务 速度 组合方法的成功率(SR),横坐标表示10组实验的 7结论 序号. 120r 本文针对物流服务优化组合中存在的缺乏灵活 ·考虑资源约束一◆不考虑资源约束 性以及没有考虑领域质量、资源供给等问题，提出了 100* 一种领域QS与资源感知的物流服务动态优化组 合方法.该方法首先提出了一种具有自主学习能力 80 的改进型人工蜂群算法，并采用学习人工蜂群算法 60 将全局QoS约束分解成局部QoS约束；之后，在物 1 23 45678910 实验序号 流服务流程执行过程中，首先选出满足局部QS约 图7资源感知有效性验证 束与资源约束的物流服务，再依据候选物流服务的 Fig.7 Verification of effectiveness of resource-aware 领域Q$评价值，选出最优的物流服务来执行当前 物流任务.本文的研究工作，通过全局Q$约束分 从图7可以看出，在不考虑服务资源约束的情 解，提高了物流服务组合的动态性与灵活性：通过引 况下所构建的组合服务，在实际运行时，不具备合适 入领域QoS,提高物流服务组合的综合服务质量：通 服务资源的概率比较大，即服务组合失败的概率比 过引入资源感知算子，提高了物流服务组合的成功 较大：而引入资源检测算子的方法所构建的组合服 率.最后，通过模拟实验验证了本文所提出方法的 务，在运行时都具备一定资源支持，服务组合成功率 可行性和有效性 比较高 6.2.4与其他服务组合算法性能比较 为了验证本文提出的领域QoS与资源感知的 参考文献 物流服务组合方法（记为DQR-LSC)的性能，该实 [1]Huang Z G,Xu J X,Yu Y.Three-stage algorithm for dynamic 验常用的遗传算法(GA)、粒子群算法(PSO)以及本 service composition.Comput Integr Manuf Syst,2012,18(8): 文所提出的方法对6.1节中设计的物流服务组合问 1711 题进行了求解，设置每个物流服务类具有100个物 (黄振光，徐家兴，余阳.三段式动态服务组合优化算法.计 算机集成制造系统.2012,18(8)：1711) 流服务，即m=100:设置质量标尺数d=10:同样采 [2]Li D M,Zhong P S,Liu M,et al.Networked logistic service com- 用Java编程语言来实现遗传算法与粒子群算法，三 position matching based on business process.Qingdao Agric Univ 种算法的运行环境相同：遗传算法中交叉概率与变 Nat Sci,2009,26(1):56 异概率分别设为0.85与0.0516]：粒子群算法的两 (李东民，钟佩思，刘梅，等.基于业务流程的物流Wb服务 个学习因子设置为2：两种算法的初始群体规模设 组合匹配研究.青岛农业大学学报（自然科学版），2009,26 (1):56) 置为100：实验结果如图8所示 [3]Zhu W P,Liu W.Gao Z J.Study on quality coordination of logis- 0.9 ◆本文算法·一粒子群算法·一遗传算法 tics service supply chain.Appl Res Comput,2012,29(11):4101 0.8 (朱卫平，刘伟，高志军.物流服务供应链的质量协调研究 计算机应用研究，2012,29(11)：4101) 0.7 [4]Zeng L Z,Benatallah B,Ngu A HH,et al.QoS-aware middle- 0.6 ware for web services composition.IEEE Trans Sofcare Eng, 0.5 2004,30(5):311 0.4 [5]Wang X Y.An Optimization Model of Web Logistie Serrice Composi- 050100150200250300350400450 送代次数 tion Based on QoS Dissertation].Guangzhou:Sun Yat-Sen Uni- versity,2010 图8算法的性能比较 (王肖燕.基于QS的W山物流服务组合的优化模型[学位论 Fig.8 Performance comparison with other algorithms 文].广州：中山大学，2010) 其中，纵坐标表示算法搜索到的物流服务组合 [6]Zhou L,Wang X,Deng L,et al.Multi-path logistics cloud serv- 的领域QoS评价值(SV),横坐标表示算法的迭代次 ice composition design with trigger timetable.Comput Integr Manuf 数.从图8所展示的实验结果可以看出，本文所提 Sx,2015,21(6):1617 (周林，王旭，邓蕾，等.带触发时刻表的多路径物流云服务 出的领域Qs与资源感知的物流服务组合方法 组合设计.计算机集成制造系统，2015,21(6)：1617) (DQR-LSC)具有较强的搜索能力和较快的收敛 [7]Zhang L,Jiang D L,Li D,et al.Study on the agent-based web工程科学学报,第 40 卷,第 7 期 验结果如图 7 所示,其中,纵坐标表示两种物流服务 组合方法的成功率( SR),横坐标表示 10 组实验的 序号. 图 7 资源感知有效性验证 Fig. 7 Verification of effectiveness of resource鄄aware 从图 7 可以看出,在不考虑服务资源约束的情 况下所构建的组合服务,在实际运行时,不具备合适 服务资源的概率比较大,即服务组合失败的概率比 较大;而引入资源检测算子的方法所构建的组合服 务,在运行时都具备一定资源支持,服务组合成功率 比较高. 6郾 2郾 4 与其他服务组合算法性能比较 为了验证本文提出的领域 QoS 与资源感知的 物流服务组合方法(记为 DQR鄄鄄 LSC) 的性能,该实 验常用的遗传算法(GA)、粒子群算法(PSO)以及本 文所提出的方法对 6郾 1 节中设计的物流服务组合问 题进行了求解,设置每个物流服务类具有 100 个物 流服务,即 m = 100;设置质量标尺数 d = 10;同样采 用 Java 编程语言来实现遗传算法与粒子群算法,三 种算法的运行环境相同;遗传算法中交叉概率与变 异概率分别设为 0郾 85 与 0郾 05 [16] ;粒子群算法的两 个学习因子设置为 2;两种算法的初始群体规模设 置为 100;实验结果如图 8 所示. 图 8 算法的性能比较 Fig. 8 Performance comparison with other algorithms 其中,纵坐标表示算法搜索到的物流服务组合 的领域 QoS 评价值(SV),横坐标表示算法的迭代次 数. 从图 8 所展示的实验结果可以看出,本文所提 出的领域 Qos 与资源感知的物流服务组合方法 (DQR鄄鄄 LSC) 具有较强的搜索能力和较快的收敛 速度. 7 结论 本文针对物流服务优化组合中存在的缺乏灵活 性以及没有考虑领域质量、资源供给等问题,提出了 一种领域 QoS 与资源感知的物流服务动态优化组 合方法. 该方法首先提出了一种具有自主学习能力 的改进型人工蜂群算法,并采用学习人工蜂群算法 将全局 QoS 约束分解成局部 QoS 约束;之后,在物 流服务流程执行过程中,首先选出满足局部 QoS 约 束与资源约束的物流服务,再依据候选物流服务的 领域 QoS 评价值,选出最优的物流服务来执行当前 物流任务. 本文的研究工作,通过全局 QoS 约束分 解,提高了物流服务组合的动态性与灵活性;通过引 入领域 QoS,提高物流服务组合的综合服务质量;通 过引入资源感知算子,提高了物流服务组合的成功 率. 最后,通过模拟实验验证了本文所提出方法的 可行性和有效性. 参 考 文 献 [1] Huang Z G, Xu J X, Yu Y. Three鄄stage algorithm for dynamic service composition. Comput Integr Manuf Syst, 2012, 18 ( 8 ): 1711 (黄振光, 徐家兴, 余阳. 三段式动态服务组合优化算法. 计 算机集成制造系统, 2012, 18(8): 1711) [2] Li D M, Zhong P S, Liu M, et al. Networked logistic service com鄄 position matching based on business process. J Qingdao Agric Univ Nat Sci, 2009, 26(1): 56 (李东民, 钟佩思, 刘梅, 等. 基于业务流程的物流 Web 服务 组合匹配研究. 青岛农业大学学报(自然科学版), 2009, 26 (1): 56) [3] Zhu W P, Liu W, Gao Z J. Study on quality coordination of logis鄄 tics service supply chain. Appl Res Comput, 2012, 29(11): 4101 (朱卫平, 刘伟, 高志军. 物流服务供应链的质量协调研究. 计算机应用研究, 2012, 29(11): 4101) [4] Zeng L Z, Benatallah B, Ngu A H H, et al. QoS鄄aware middle鄄 ware for web services composition. IEEE Trans Software Eng, 2004, 30(5): 311 [5] Wang X Y. An Optimization Model of Web Logistic Service Composi鄄 tion Based on QoS [Dissertation]. Guangzhou: Sun Yat鄄Sen Uni鄄 versity, 2010 (王肖燕. 基于 QoS 的 Web 物流服务组合的优化模型[学位论 文]. 广州: 中山大学, 2010) [6] Zhou L, Wang X, Deng L, et al. Multi鄄path logistics cloud serv鄄 ice composition design with trigger timetable. Comput Integr Manuf Syst, 2015, 21(6): 1617 (周林, 王旭, 邓蕾, 等. 带触发时刻表的多路径物流云服务 组合设计. 计算机集成制造系统, 2015, 21(6): 1617) [7] Zhang L, Jiang D L, Li D, et al. Study on the agent鄄based web ·890·