کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
493868 | 722938 | 2013 | 10 صفحه PDF | دانلود رایگان |
معرفی
شکل 1. معماری سرویس گرا.
کار مرتبط
ترکیب گردش کار
مثال گردش کار
شکل 2. مثال گردش کار کشف دانش.
کیفیت خدمات متریک و تابع هدف
طرح سطح خدمات
جدول 1. سطح خدمات استاندارد برای برنامه های مختلف خدمات.
رویکردها
الگوریتم Munkres
رویکرد الگوریتم Memetic (MA)
رویکرد بهینه سازی ازدحام ذرات (MPSO)
الگوریتم 2. الگوریتم MPSO.
آزمایشات و نتایج
راه اندازی آزمایشی
نتایج
جدول 1. نسبت های موفقیت و زمان اجرای الگوریتم ها
شکل 3. نسبت موفقیت برای افزایش نسل.
شکل 4. زمان اجرایی برای افزایش نسل.
شکل 5. نسبت موفقیت برای افزایش میزان جمعیت.
شکل 6. زمان اجرا برای افزایش میزان جمعیت.
شکل 7. نسبت موفقیت برای افزایش اندازه ذرات.
شکل 8. زمان اجرا برای افزایش اندازه ذرات.
جدول 2. نسبت های موفقیت و زمان اجرا برای افزایش درصد بخش Munkres.
شکل 9. نسبن موفقیت برای افزایش اندازه گردش کار.
شکل 10. زمان اجرای برای افزایش گردش کار، از جمله الگوریتم Munkres.
نتیجه گیری
The selection of services of a workflow based on Quality of Service (QoS) attributes is an important issue in service-oriented systems. QoS attributes allow for a better selection process based on non-functional quality criteria such as reliability, availability, and response time. Past research has mostly addressed this problem with optimal methods such as linear programming approaches. Given the nature of service-oriented systems where large numbers of services are available with different QoS values, optimal methods are not suitable and therefore, approximate techniques are necessary. In this paper, we investigate Genetic algorithms and particle swarm optimization for the service selection process. In particular, both methods are combined with an optimal assignment algorithm (Munkres algorithm) in order to achieve higher solution qualities (success ratios) and to form a so called memetic algorithm. Experiments are conducted to investigate the suitability of the approaches and to compare the memetic algorithms with their non-memetic counterparts. The results reveal that the memetic algorithms are very suitable for the application to the workflow selection problem.
Journal: Swarm and Evolutionary Computation - Volume 10, June 2013, Pages 31–40