基于改进鲸鱼算法的制造云服务优化选择方法及其应用技术

本发明专利技术公开了一种基于改进鲸鱼算法的制造云服务优化选择方法及其应用，该方法包括下述步骤：根据制造云服务组合执行服务进行分解，在不同的候选服务的子集合中选取候选制造云服务构建若干服务组合个体形成初始种群；将每个服务组合个体依次进行编码；计算初始种群中每个服务组合个体的适应值；达到最大迭代次数返回最优服务组合个体，否则生成新一代种群，根据随机数p的阈值以及系数向量A绝对值更新位置，交换两个相邻子任务之间的候选服务及变异操作更新制造云服务组合方案中的某个候选服务，输出制造云服务组合方案，解码方案，生成最终的可执行制造云服务组合，本发明专利技术增强算法迭代后期全局搜索能力和跳出局部最优的能力。力。力。

【技术实现步骤摘要】
基于改进鲸鱼算法的制造云服务优化选择方法及其应用


[0001]本专利技术涉及制造服务组合优化
，具体涉及一种基于改进鲸鱼算法的制造云服务优化选择方法及其应用。

技术介绍

[0002]原始的鲸鱼优化算法(WOA)是通过模拟鲸鱼搜捕猎物而提出的，每只鲸鱼的位置代表一个候选组合服务。
[0003]制造云服务组合是按照用户给定的约束条件对现有的制造云服务进行选择、集成，形成一个组合服务，每个组合服务为一个解决方案。随着用户数量越来越多，云服务的数量也逐渐增大，所以制造云服务组合优化问题具有服务种类繁多、匹配过程可选服务数量庞大、多个目标、多个极值等特点，是典型的NP
‑
Hard问题。如何快速帮助用户得出最优解决方案，是当前的难点与热点。
[0004]现有技术WOA主要分别三种捕猎方式环绕猎物、气泡网攻击和搜索猎物，采用WOA算法求解制造云服务组合最佳解决方案的时候，发现随着算法的迭代，WOA算法环绕猎物和起泡网攻击能力越来越强，然而搜索猎物的能力越来越弱，导致随着候选服务集合的规模越来越大，当问题的解空间过大或局部最优解较多时，WOA在迭代后期有可能会陷入局部最优而过早收敛，不能为用户找出最优的解决方案。

技术实现思路

[0005]为了克服现有技术存在的缺陷与不足，本专利技术提供一种基于改进鲸鱼算法的制造云服务优化选择方法，为了防止WOA在算法迭代后期由于局部包围猎物能力越来越强，导致候选组合服务多样性减少，容易陷入局部最优的问题，在算法后期加入了两种交叉策略和一种变异策略来提高候选组合服务多样性，增强算法迭代后期全局搜索候选组合服务的能力。
[0006]本专利技术的第二目的在于提供一种基于改进鲸鱼算法的制造云服务优化选择系统。
[0007]本专利技术的第三目的在于提供一种存储介质。
[0008]本专利技术的第四目的在于提供一种计算设备。
[0009]为了达到上述目的，本专利技术采用以下技术方案：
[0010]本专利技术提供一种基于改进鲸鱼算法的制造云服务优化选择方法，包括下述步骤：
[0011]根据制造云服务组合执行服务进行分解，一个任务对应多个任务，每个子任务对应一个候选服务集合，每只鲸鱼对应一个可行的组合服务；
[0012]基于设定的种群初始化策略，在不同的候选服务的子集合中选取候选制造云服务构建多个组合服务个体形成初始种群；
[0013]将每个组合服务个体采用整数编码的方式依次进行编码；
[0014]计算初始种群中每个组合服务个体的适应值；
[0015]如果达到算法终止条件即最大迭代次数返回最优组合服务方案，否则，继续迭代；
[0016]设置一个随机数p及判断阈值，若随机数p小于判断阈值，则进行系数向量A绝对值的判断，若随机数p大于判断阈值，则采用鲸鱼螺旋运动更新位置公式更新候选服务；
[0017]若|A|<1，则利用包围猎物时鲸鱼的位置更新公式更新候选服务；
[0018]若|A|≥1，则利用搜索猎物时鲸鱼的位置更新公式更新候选服务；
[0019]根据交叉率Pt决定是否要进行交叉操作，若需要交叉操作则根据Pt的值选择交叉策略，通过交叉策略交换两个相邻制造云服务组合方案之间的候选服务；
[0020]根据变异率和Pt的值决定是否要进行变异操作，变异操作更新制造云组合服务方案中的某个候选服务；
[0021]未到达终止条件，返回计算初始种群中每个组合服务个体的适应值；
[0022]输出制造云组合服务方案，解码方案，生成最终执行的组合服务。
[0023]作为优选的技术方案，采用实数编码的方法，每个种群里面的某一只鲸鱼对应一个候选服务，每个鲸鱼群的鲸鱼个数与制造子任务的个数对应。
[0024]作为优选的技术方案，所述鲸鱼螺旋运动更新位置公式具体表示为：
[0025][0026]其中，i表示第i只鲸鱼，t表示当前迭代次数，b表示常数，l表示[
‑
1,1]内的随机数，X
best
为目前为止鲸鱼最佳的捕猎位置，t表示当前迭代次数，i表示第i只鲸鱼，||表示绝对值。
[0027]作为优选的技术方案，所述包围猎物时鲸鱼的位置更新公式表示为：
[0028][0029]其中，X
best
为目前为止鲸鱼最佳的捕猎位置，t表示当前迭代次数，i表示第i只鲸鱼，A和C是系数向量，||表示绝对值。
[0030]作为优选的技术方案，搜索猎物时鲸鱼的位置更新公式表示为：
[0031][0032]其中，是从当前种群中随机选择的鲸鱼，t表示当前迭代次数，i表示第i只鲸鱼，A和C是系数向量，||表示绝对值。
[0033]作为优选的技术方案，所述交叉策略采用两种交叉策略，第一交叉策略采用多点交叉，第二交叉策略采用单点交叉。
[0034]作为优选的技术方案，所述第一交叉策略为：随机生成两个交叉点，交换两点之间相邻子任务的候选组合服务；
[0035]所述第二交叉策略为:随机生成一个交叉点，交换相邻两个子任务之间的候选组合服务。
[0036]为了达到上述第二目的，本专利技术采用以下技术方案：
[0037]一种基于改进鲸鱼算法的制造云服务优化选择系统，包括：分解模块、初始种群构建模块、编码模块、适应值计算模块、迭代次数判断模块、随机数阈值判断模块、鲸鱼位置更新模块、交叉操作模块、变异操作模块、终止条件判断模块和输出模块；
[0038]所述分解模块用于根据制造云服务组合执行服务进行分解，一个任务对应多个子任务，每个子任务对应一个候选服务集合，每只鲸鱼对应一个可行的组合服务；
[0039]所述初始种群构建模块用于设定的种群初始化策略，在不同的候选服务的子集合中选取候选制造云服务构建多个组合服务个体形成初始种群；
[0040]所述编码模块用于将每个组合服务个体采用整数编码的方式依次进行编码；
[0041]所述适应值计算模块用于计算初始种群中每个组合服务个体的适应值；
[0042]所述迭代次数判断模块用于判断是否达到最大迭代次数，如果达到最大迭代次数返回最优组合服务个体，否则，生成新一代种群；
[0043]所述随机数阈值判断模块用于设置一个随机数p及判断阈值，若随机数p小于判断阈值，则进行系数向量A绝对值的判断；
[0044]所述鲸鱼位置更新模块用于更新鲸鱼位置，若随机数p大于判断阈值，则采用鲸鱼螺旋运动更新位置公式更新候选服务；
[0045]若|A|<1，则利用包围猎物时鲸鱼的位置更新公式更新候选服务；
[0046]若|A|≥1，则利用搜索猎物时鲸鱼的位置更新公式更新候选服务；
[0047]所述交叉操作模块用于根据交叉率Pt决定是否要进行交叉操作，若需要交叉操作则根据Pt的值选择交叉策略，通过交叉策略交换两个相邻制造云服务组合方案之间的候选服务；
[0048]所述变异操作模块用于根据变异率和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进鲸鱼算法的制造云服务优化选择方法，其特征在于，包括下述步骤：根据制造云服务组合执行服务进行分解，一个任务对应多个子任务，每个鲸鱼群对应一个任务，每个子任务对应一个候选服务集合，每只鲸鱼对应可行的组合服务；基于设定的种群初始化策略，在不同的候选服务的子集合中选取候选制造云服务构建多个组合服务个体形成初始种群；将每个组合服务个体采用整数编码的方式依次进行编码；计算初始种群中每个组合服务个体的适应值；如果达到最大迭代次数返回最优服务组合方案，否则，继续迭代；设置一个随机数p及判断阈值，若随机数p小于判断阈值，则进行系数向量A绝对值的判断，若随机数p大于判断阈值，则采用鲸鱼螺旋运动更新位置公式更新候选服务；若|A|<1，则利用包围猎物时鲸鱼的位置更新公式更新候选服务；若|A|≥1，则利用搜索猎物时鲸鱼的位置更新公式更新候选服务；根据交叉率Pt决定是否要进行交叉操作，若需要交叉操作则根据Pt的值选择交叉策略，通过交叉策略交换两个相邻制造云组合服务方案之间的候选服务；根据变异率和Pt的值决定是否要进行变异操作，变异操作更新制造云组合服务方案中的某个候选服务；未到达终止条件，返回计算初始种群中每个组合服务个体的适应值；输出制造云组合服务方案，解码方案，生成最终执行的组合服务。2.根据权利要求1所述的基于改进鲸鱼算法的制造云服务优化选择方法，其特征在于，采用实数编码的方法，每个种群里面的某一只鲸鱼对应一个候选服务，每个鲸鱼群的鲸鱼个数与制造子任务的个数对应。3.根据权利要求1所述的基于改进鲸鱼算法的制造云服务优化选择方法，其特征在于，所述鲸鱼螺旋运动更新位置公式具体表示为：其中，i表示第i只鲸鱼，t表示当前迭代次数，b表示常数，l表示[
‑
1,1]内的随机数，X
best
为目前为止鲸鱼最佳的捕猎位置，||表示绝对值。4.根据权利要求1所述的基于改进鲸鱼算法的制造云服务优化选择方法，其特征在于，所述包围猎物时鲸鱼的位置更新公式表示为：其中，X
best
为目前为止鲸鱼最佳的捕猎位置，t表示当前迭代次数，i表示第i只鲸鱼，A和C是系数向量，||表示绝对值。5.根据权利要求1所述的基于改进鲸鱼算法的制造云服务优化选择方法，其特征在于，搜索猎物时鲸鱼的位置更新公式表示为：其中，是从当前种群中随机选择的鲸鱼，t表示当前迭代次数，i表示第i只鲸鱼，A和C是系数向量，||表示绝对值。6.根据权利要求1所述的基于改进鲸鱼算法的制造云服务优化选择方法，其特征在于，
所述交叉策略采用两种交叉策略...

【专利技术属性】
技术研发人员：金鸿，江城，何海平，张胡成，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：