基于QoS多目標(biāo)優(yōu)化的Web服務(wù)組合方法

劉 彬，張仁津

（貴州師范大學(xué) 數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院，貴州 貴陽(yáng)550001）

0 引 言

Web服務(wù)作為面向服務(wù)的體系結(jié)構(gòu) （service oriented architecture，SOA）軟件的一種重要形式，已廣泛得到工業(yè)界和學(xué)術(shù)界的認(rèn)可并應(yīng)用于金融、電子商務(wù)、電子政務(wù)、物聯(lián)網(wǎng)等多個(gè)領(lǐng)域。通常，單個(gè)Web服務(wù)的功能比較有限，很難滿足復(fù)雜的業(yè)務(wù)需求，所以需要依據(jù)業(yè)務(wù)需求將這些單個(gè)服務(wù)根據(jù)功能和服務(wù)質(zhì)量 （quality of service，QoS）集成為組合服務(wù)［1－3］，完成復(fù)雜的業(yè)務(wù)。隨著公共網(wǎng)絡(luò)上web服務(wù)的種類和數(shù)量日益增多，雖然這為Web服務(wù)組合提供了廣泛的資源，但也為Web服務(wù)組合帶來(lái)了新的問(wèn)題，從大量的組合方案中找出滿足用戶要求的最優(yōu)方案并不是一件容易的事，這是一個(gè)NP難問(wèn)題。例如在一個(gè)業(yè)務(wù)包括10子任務(wù)，每個(gè)子任務(wù)通過(guò)調(diào)用具體Web服務(wù)來(lái)實(shí)現(xiàn)的，若每個(gè)子任務(wù)有10個(gè)候選服務(wù)，則該業(yè)務(wù)的組合方案就有1010種。如何對(duì)候選服務(wù)進(jìn)行選擇，得到最優(yōu)的服務(wù)組合方案，成為亟待解決的問(wèn)題。文獻(xiàn) ［4］提出一種基于事件的服務(wù)組合方法，以簡(jiǎn)單服務(wù)事件語(yǔ)言為基礎(chǔ)，通過(guò)模塊化方法構(gòu)造組合服務(wù)方案。文獻(xiàn) ［5］以Bayes方法對(duì)Web服務(wù)的信任模型，以遺傳算法進(jìn)行服務(wù)組合，但沒(méi)有考慮Web服務(wù)中的各種QoS屬性的沖突問(wèn)題，這可能會(huì)導(dǎo)致對(duì)Web服務(wù)的要求過(guò)高等問(wèn)題，間接增加了使用者的成本。更多研究者是以QoS屬性為基礎(chǔ)實(shí)現(xiàn)Web服務(wù)組合，采用的算法包括量子貪心算法［6］、量子遺傳算法［7］、免疫遺傳算法［8］、蟻群算法［9］、禁忌搜索和模擬退火相結(jié)合的混合算法［10］、禁忌搜索算法［11］、蟻群算法［12］。這些研究工作雖然采用了不同的算法實(shí)現(xiàn)Web服務(wù)組合，但都是采用某種方法把多種不同的QoS屬性要求人為轉(zhuǎn)換成為一個(gè)目標(biāo)函數(shù)，這種轉(zhuǎn)換都可能導(dǎo)致與用戶的實(shí)際關(guān)注要求有偏差，容易導(dǎo)致用戶得不到最合適的服務(wù)。普通用戶通常只能給出組合服務(wù)QoS屬性 （如服務(wù)價(jià)格，服務(wù)時(shí)間，可用性等）的最低要求，而這些要求很難同時(shí)達(dá)到最優(yōu)，有時(shí)這些屬性還有可能是對(duì)立的，如服務(wù)時(shí)間短的服務(wù)通常服務(wù)價(jià)格會(huì)比較高，所以Web服務(wù)組合優(yōu)化問(wèn)題是一個(gè)典型的多目標(biāo)優(yōu)化問(wèn)題。在我們的研究工作中，是把Web服務(wù)組合作為多目標(biāo)優(yōu)化問(wèn)題進(jìn)行處理，即針對(duì)服務(wù)的多個(gè)QoS屬性進(jìn)行優(yōu)化，更符合使用者的要求。

1 多目標(biāo)優(yōu)化問(wèn)題的數(shù)學(xué)描述

不失一般性，一個(gè)多目標(biāo)優(yōu)化問(wèn)題可以定義為一個(gè)三元組：（X，C，F(xiàn)）。其中X是n維決策空間，即x＝ （x1，x2，…，xn）X；C是一組決策變量必須同時(shí)滿足的約束集合；F是含有m≥2個(gè)目標(biāo)函數(shù)的矢量，可表示為：F＝（f1（x），f2（x），…，fm（x））。多目標(biāo)優(yōu)化就是讓些不同的目標(biāo)函數(shù)最小化。

定義1（可行解） 如果xX且滿足C中的所有約束條件，則稱x為可行解。

定義2（可行解集合） 所有可行解的集合稱為可行解集合，記為Xf，顯然XfX。

定義3（Pareto占優(yōu)） 假設(shè)xA，xBXf，則xA對(duì)xB是Pareto占優(yōu)的充要條件是：i＝1，2，…，m，fi（xA）≤fi（xB）且j＝1，2，…，m，fj（xA）＜fj（xB），記為：xAxB，也稱為xA支配xB。

定義4（Pareto最優(yōu)解） 如果一個(gè)可行解x＊滿足條件：xXf使xx＊，則x＊被稱為Pareto最優(yōu)解（或非支配解）。

定義5（Pareto最優(yōu)解集） 所有Pareto最優(yōu)解的集合稱為Pareto最優(yōu)解集。

多目標(biāo)優(yōu)化的目標(biāo)就是找出非支配解的Pareto最優(yōu)解集。但在實(shí)際工作中，由于Pareto最優(yōu)解集可能會(huì)有太多的元素甚至是無(wú)限集合，導(dǎo)致計(jì)算機(jī)效率很低甚至無(wú)法完成，因此在實(shí)際工作中更傾向于搜索出一個(gè)分布均衡的Pareto最優(yōu)解集的子集。

2 Web服務(wù)組合模型

一個(gè)復(fù)雜的業(yè)務(wù)可以分成m個(gè)子任務(wù)，每個(gè)子任務(wù)都有一個(gè)或多個(gè)Web服務(wù)可以完成所需的功能，實(shí)現(xiàn)這個(gè)業(yè)務(wù)的Web服務(wù)組合如圖1所示，S為任務(wù)起點(diǎn)，E為任務(wù)終點(diǎn)，WSi（i＝1，2，…，m）為能夠完成第i個(gè)子任務(wù)的候選Web服務(wù)集合，從S到E的任何一條路徑所包含的Web服務(wù)即為可以完成此業(yè)務(wù)的組合服務(wù) （只考慮了功能）。Web服務(wù)可以表示為Wij＝ ｛Fij，Qij｝，其中Fij為功能屬性集合；Qij為服務(wù)質(zhì)量屬性集合。顯然候選Web服務(wù)集合WSi中Web服務(wù)實(shí)體的F都能完成第i個(gè)子任務(wù)的功能。每個(gè)Web服務(wù)的Q都包含n個(gè)QoS屬性，即Qij＝｛，，…，｝。

圖1 Web服務(wù)組合模型

3 基于QoS的多目標(biāo)蟻群優(yōu)化

蟻群優(yōu)化最初是用于解決旅行商這一經(jīng)典組合優(yōu)化問(wèn)題，很快應(yīng)用于順序排序、廣義分配、多重背包、網(wǎng)絡(luò)路由等各種各樣的問(wèn)題。現(xiàn)在許多研究者開(kāi)始研究多目標(biāo)蟻群優(yōu)化［13－14］，并已成功用于資源分配［15］、旅行問(wèn)題［16－17］、

網(wǎng)格計(jì)算［18］、流水作業(yè)調(diào)度［19］、開(kāi)放工廠安排［20］等。

3.1 QoS屬性的預(yù)處理

根據(jù)第1節(jié)的描述，多目標(biāo)優(yōu)化中采用的標(biāo)準(zhǔn)是：目標(biāo)函數(shù)數(shù)值越小，則性能越優(yōu)。但對(duì)于Web服務(wù)的QoS屬性來(lái)說(shuō)，并不是全部滿足這種要求。QoS屬性可以分為兩類，一類是負(fù)屬性，這類屬性取值越大，性能越低，如執(zhí)行時(shí)間、服務(wù)價(jià)格等；另一類是正屬性，這類屬性取值越大，性能越高，如服務(wù)評(píng)價(jià)、可用性等。而且各種不同屬性的數(shù)值屬性差別很大，例如價(jià)格是貨幣單位，而可用性是百分比。我們?yōu)榱税堰@種存在著巨大差異的各種屬性用于多目標(biāo)蟻群優(yōu)化的單一啟發(fā)式信息中 （因?yàn)樵谖覀兊姆桨钢惺遣捎酶鞣NQoS屬性啟發(fā)式信息之和作為啟發(fā)式信息），必須要讓它們的數(shù)值不能相差太大，否則會(huì)導(dǎo)致數(shù)值過(guò)大的啟發(fā)式信息淹沒(méi)數(shù)值很小的啟發(fā)式信息。同時(shí)還要滿足目標(biāo)函數(shù)規(guī)定的數(shù)值越小性能越好的要求，所以需要對(duì)Web服務(wù)的QoS屬性進(jìn)行預(yù)處理。

如圖1所示結(jié)構(gòu)中的任一Web服務(wù)Wij，設(shè)它有n個(gè)QoS屬性，即Qij＝ ｛，，…，｝。若第r個(gè)屬性為負(fù)屬性，其處理后的屬性vrij如式 （1）所示。若第r個(gè)屬性為正屬性，其處理后的屬性如式 （2）所示，其中是圖1中全部Web服務(wù)中第r個(gè)屬性中的最大值，分子中加1是為了保證分子不為0（為了用于啟發(fā)式信息）。式（1）、式 （2）中的表示圖1中全部 Web服務(wù)的第r個(gè)屬性之和。通過(guò)式 （1）、式 （2）就能把 Web服務(wù)的所有QoS屬性值都轉(zhuǎn)換到具有這樣的特征：

（1）數(shù)值越小表示相應(yīng)性能越好；

（2）每個(gè)屬性都是與同類屬性數(shù)值之和的一個(gè)比例值，不同屬性數(shù)值之間比原始數(shù)值更具有可比較性；

（3）因?yàn)楦鞣NQoS屬性轉(zhuǎn)換后的數(shù)值差別不會(huì)特別大，不會(huì)出現(xiàn)大數(shù)值掩蓋小數(shù)值的問(wèn)題，可以方便用于蟻群優(yōu)化中的啟發(fā)式信息

由于服務(wù)使用者在請(qǐng)求服務(wù)時(shí)要求的是組合服務(wù)的QoS屬性，為了確保數(shù)值的一致性，也必須做類似處理，設(shè)服務(wù)使用者要求的QoS屬性Q＝ ｛q1，q2，…，qn｝，則QoS屬性qr如果是負(fù)屬性，按式 （3）處理，如果為正屬性則按式 （4）處理，式 （3）、式 （4）分母與式 （1）、式（2）中的分母為相同的值，式 （4）中的qrmax和式 （2）中的qrmax相同

根據(jù)圖1所示的模型，組合服務(wù)的QoS屬性與其組合成員的QoS屬性的關(guān)系與具體的屬性有關(guān)，如組合服務(wù)價(jià)格是由成員服務(wù)價(jià)格之和確定，組合服務(wù)可用性是由成員服務(wù)可用性最低的決定。因?yàn)槲覀冞@里采用的是經(jīng)預(yù)處理后的QoS屬性，與未經(jīng)處理的有所不同。如未處理的組合服務(wù)可用性是由成員服務(wù)可用性最低的確定，而經(jīng)預(yù)處理后數(shù)值越小代表可用性越高，因此在經(jīng)過(guò)我們這種方法預(yù)處理后，組合服務(wù)可用性是由成員服務(wù)可用性最高的確定。如圖1所示，假設(shè)一個(gè)組合服務(wù)中需要m個(gè)成員服務(wù)，幾種常用的組合QoS屬性與成員QoS屬性的關(guān)系如表1所示。

表1 組合服務(wù)QoS屬性值

3.2 多信息素表的蟻群優(yōu)化算法

要針對(duì)Web服務(wù)組合中的多個(gè)QoS屬性進(jìn)行優(yōu)化，在蟻群優(yōu)化中就是要把多個(gè)QoS屬性轉(zhuǎn)換為啟發(fā)式信息和信息素進(jìn)行處理，在我們算法中對(duì)每一個(gè)QoS屬性 （對(duì)應(yīng)一個(gè)目標(biāo)函數(shù)）都分別用一個(gè)變量保存信息素和啟發(fā)式信息。如服務(wù)實(shí)體Wij的第k個(gè)QoS屬性的信息素表示為τki（j），第k個(gè)QoS屬性的啟發(fā)式信息表示為ηki（j）。螞蟻在如圖1所示W(wǎng)eb組合圖中選擇下一個(gè)Web實(shí)體時(shí)按式 （5）的概率進(jìn)行選擇 （包括起始點(diǎn)和前m－1個(gè)候選服務(wù)集合），α和β參數(shù)分別決定了信息素和啟發(fā)式信息的相對(duì)影響力。在式 （5）中采用的啟發(fā)式信息并不是單個(gè)QoS屬性的啟發(fā)式信息，而是用戶關(guān)注的所有QoS屬性的啟發(fā)式信息之和［17］，由式 （6）求出 （假設(shè)需要優(yōu)化的QoS屬性個(gè)數(shù)為n）。因?yàn)樽罱K要優(yōu)化的是用戶關(guān)注的多個(gè)QoS屬性，如果在此公式中采用單個(gè)屬性的啟發(fā)式信息，那么構(gòu)建的解只會(huì)是對(duì)單個(gè)QoS屬性的優(yōu)化。因此我們?cè)诖瞬捎萌坑脩絷P(guān)注的QoS屬性的啟發(fā)式信息之和作為螞蟻選擇路徑的啟發(fā)式信息，螞蟻在選擇路徑時(shí)受到多個(gè)QoS屬性啟發(fā)式信息的影響，故所產(chǎn)生的結(jié)果就會(huì)同時(shí)對(duì)多個(gè)QoS屬性對(duì)應(yīng)的目標(biāo)函數(shù)進(jìn)行優(yōu)化

信息素是蟻群系統(tǒng)中搜索解空間的基礎(chǔ)，如果局部衰減得過(guò)小會(huì)導(dǎo)致探索的空間縮小到很小，如果局部信息素增長(zhǎng)到過(guò)高會(huì)導(dǎo)致停滯現(xiàn)象，因此通常把信息素限制在一個(gè)區(qū)間 ［τmin，τmax］。用于 Web服務(wù)組合的多信息素蟻群算法求解的構(gòu)建算法如下算法1所示。

算法1：多信息素蟻群優(yōu)化算法

（1）所有信息素初始化為τmax；

（2）蟻群中每只螞蟻從1～n（n為目標(biāo)函數(shù)的個(gè)數(shù)）中隨機(jī)選取一個(gè)值i，然后以第i個(gè)信息素表中的信息素

構(gòu)建一個(gè)解 （詳見(jiàn)算法2）；

（3）更新第i個(gè)信息素表中的所有信息素值 （詳見(jiàn)3.3節(jié)）；

（4）如果達(dá)到最大循環(huán)次數(shù)就結(jié)束，否則跳轉(zhuǎn)到 （2）。

算法2：解的構(gòu)建算法

（1）初始化解為空；

（2）按式 （5）的概率選擇下一個(gè)服務(wù)，并把選中的服務(wù)加入解中；

（3）如果無(wú)后續(xù)服務(wù)則返回，否則轉(zhuǎn)到 （2）。

3.3 信息素更新

信息素是蟻群優(yōu)化算法中引導(dǎo)螞蟻行為的一個(gè)至關(guān)重要的因素，因此信息素的更新是蟻群優(yōu)化的一個(gè)核心問(wèn)題。為了讓信息素能有效地引導(dǎo)螞蟻構(gòu)建出良好的解，我們采取的措施是在每一個(gè)循環(huán)周期內(nèi)所有螞蟻都隨機(jī)地選擇一個(gè)信息素表，并依據(jù)此信息素表構(gòu)建解后按以下方法更新信息素：首先，為模擬信息素的蒸發(fā)，信息素表中的所有信息素都要減少一部分，如式 （7）所示，其中ρ∈ （0，1）為蒸發(fā)因子；其次，在當(dāng)前循環(huán)內(nèi)可以得到n個(gè)與目標(biāo)函數(shù) （對(duì)應(yīng)n個(gè)QoS屬性）對(duì)應(yīng)的最優(yōu)解，設(shè)Si為當(dāng)前循環(huán)中使第i個(gè)目標(biāo)函數(shù)fi最小的解，為從第一個(gè)循環(huán)開(kāi)始到當(dāng)前循環(huán) （包括當(dāng)前循環(huán)）中得到使第i個(gè)目標(biāo)函數(shù)fi最小的解，在第i個(gè)信息素表中Sibest包含的Web服務(wù)的信息素增加一個(gè)量△τk，如式 （8）所示。△τk由式 （9）求出，即當(dāng)前循環(huán)中如果Si優(yōu)于，則△τk＞1，且Si越好，△τk的值越大；否則△τk≤1，且Si越差，△τk的值越小。如果當(dāng)前循環(huán)中如果Si優(yōu)于Sibest，信息素更新后，＝Si。因此，經(jīng)過(guò)信息素更新后，沒(méi)有被選擇的候選服務(wù)的每個(gè)信息素的值都會(huì)減少一部分 （除非已經(jīng)降低至τmin），具體算法見(jiàn)算法3。

算法3：信息素更新算法

（1）初始化i＝1；

（2）按式 （7）更新第i個(gè)信息素表中的信息素值，如果某個(gè)信息素的值小于最小值τmin則設(shè)置為τmin，如果某個(gè)信息素的值大于最大值τmax則設(shè)置為τmax；；

（3）把所有解分別代入fi求出Si，依據(jù)式 （9）求出△τk，把當(dāng)前循環(huán)最優(yōu)解Si中包含的所有Web服務(wù)在第i個(gè)信息素表中對(duì)應(yīng)的信息素的值增加△τk。如果某個(gè)信息素的值小于最小值τmin則設(shè)置為τmin，如果某個(gè)信息素的值大于最大值τmax則設(shè)置為τmax；

（4）如果Si優(yōu)于Sibest，Sibest＝Si；

（5）如果還有未更新的信息素表，i增加1，跳轉(zhuǎn)到（3）；否則返回。

4 仿真實(shí)驗(yàn)及分析

假設(shè)一個(gè)業(yè)務(wù)可以由10個(gè)子任務(wù)組合而成，每個(gè)子任務(wù)都有10個(gè)候選Web服務(wù)。需要優(yōu)化如表1所示的4個(gè)QoS屬性，故可定義如式 （10）所示的4個(gè)目標(biāo)函數(shù)

其它參數(shù)取值：τmin＝10，τmax＝100，ρ＝0.01，螞蟻數(shù)取100，循環(huán)次數(shù)取1000，啟發(fā)式信息ηi（j）按式 （6）取值，服務(wù)實(shí)體Wij的第k個(gè)QoS屬性的信息素因?yàn)槠脑颍会槍?duì)α＝2，β＝2和α＝1，β＝4兩組參數(shù)進(jìn)行比較，測(cè)試情況分別如圖2和圖3所示。●代表f1的平均值，■代表f2的平均值，▲代表f3的平均值，★代表f4的平均值。從圖中可以看出，這4個(gè)目標(biāo)函數(shù)隨著循環(huán)次數(shù)的增加，全部都得到了優(yōu)化，后一組參數(shù)目標(biāo)函數(shù)收斂要明顯快于前一組。其原因在于：螞蟻在優(yōu)化任何一種QoS質(zhì)量屬性時(shí)都要受到啟發(fā)式信息的影響，而我們采用的啟發(fā)式信息包含了全部需要優(yōu)化的QoS質(zhì)量屬性的啟發(fā)式信息，所以能同時(shí)對(duì)多個(gè)目標(biāo)函數(shù)進(jìn)行優(yōu)化；后一組數(shù)據(jù)由于啟發(fā)式信息對(duì)螞蟻路徑選擇起到的作用更大，所以目標(biāo)函數(shù)收斂更快。

通過(guò)仿真實(shí)驗(yàn)可知，我們能把Web服務(wù)組合問(wèn)題作為多目標(biāo)優(yōu)化問(wèn)題進(jìn)行處理，將多種差別很大QoS屬性經(jīng)過(guò)預(yù)處理后用多信息素單啟發(fā)式信息的蟻群優(yōu)化能有效地實(shí)現(xiàn)多目標(biāo)函數(shù)的優(yōu)化，實(shí)驗(yàn)結(jié)果穩(wěn)定，具有較好的魯棒性，達(dá)到了預(yù)期的目標(biāo)。

5 結(jié)束語(yǔ)

Web服務(wù)的組合是面向服務(wù)體系結(jié)構(gòu)軟件中的一個(gè)十分重要的問(wèn)題，它極大地影響著Web服務(wù)應(yīng)用的推廣。以QoS屬性為基礎(chǔ)的Web服務(wù)組合涉及到QoS的多個(gè)屬性，目前常用的方法是通過(guò)某種方法把多個(gè)QoS屬性轉(zhuǎn)化為一個(gè)量后再進(jìn)行優(yōu)化，但這種方法對(duì)權(quán)重很敏感，可能會(huì)導(dǎo)致與用戶的實(shí)際關(guān)注要求有偏差。在我們的組合方法中把服務(wù)組合建模為多目標(biāo)優(yōu)化問(wèn)題，對(duì)每個(gè)用戶關(guān)注的QoS屬性建立一個(gè)目標(biāo)函數(shù)，采用多個(gè)信息素表和一個(gè)啟發(fā)式信息表的蟻群優(yōu)化對(duì)QoS多個(gè)屬性同時(shí)進(jìn)行優(yōu)化，最終產(chǎn)生一組Pareto最優(yōu)解。雖然多目標(biāo)優(yōu)化要比單目標(biāo)優(yōu)化要復(fù)雜得多，但這種多目標(biāo)優(yōu)化模型可以靈活地對(duì)用戶感興趣的QoS屬性進(jìn)行優(yōu)化，搜索出的結(jié)果能更好地滿足用戶要求，因此有很好的用應(yīng)前景。

［1］Farhan Hassan Khan，Younus Javed M，Saba Bashir，et al.QoS based dynamic web services composition ＆execution ［J］.International Journal of Computer Science and Information Security，2010，7 （2）：147－152.

［2］Piergiorgio Bertoli，Marco Pistore，Paolo Traverso.Automated composition of web services via planning in asynchronous domains［J］.Artificial Intelligence，2010，174 （3－4）：316－361.

［3］Esra Kirci Ozorhan，Esat Kaan Kuban，Nihan Kesim Cicekli.Automated web services composition with the event calculus［J］.Information Sciences，2010，180 （19）：3589－3613.

［4］LI Xin，CHENG Bo，YANG Guowei，et al.Method of web services composition based on events ［J］.Journal of Software，2009，20 （12）：3101－3116 （in Chinese）.［李鑫，程渤，楊國(guó)緯，等.一種基于事件的Web服務(wù)組合方法 ［J］.軟件學(xué)報(bào)，2009，20 （12）：3101－3116.］

［5］YUN Ben－sheng，YAN Junwei，LIU Min.Method to optimize web service composition based on Bayes trust model［J］.Computer Integrated Manufacturing Systems，2010，16 （5）：1103－1110 （in Chinese）. ［云本勝，嚴(yán)雋薇，劉敏.基于Bayes信任模型的Web服務(wù)組合優(yōu)化方法 ［J］.計(jì)算機(jī)集成制造系統(tǒng)，2010，16 （5）：1103－1110.］

［6］XU Bin，LUO Sen，YAN Yixin.Efficient composition of semantic web services with end－to－end QoS optimization ［J］.Tsinghua Science ＆ Technology，2010，15 （6）：678－686.

［7］LIU Feng，LEI Zhenming.Research on user－aware QoS based web services composition ［J］.The Journal of China Universities of Posts and Telecommunications，2009，16 （6）：125－130.

［8］CHEN Liang，SUN Min.Web services composition method based on immune genetic algorithm ［J］.Computer Engineering，2010，36 （10）：226－228 （in Chinese）.［陳亮，孫敏.基于免疫遺傳算法的 Web服務(wù)組合方法 ［J］.計(jì)算機(jī)工程，2010，36 （10）：226－228.］

［9］WANG Chuangwei，QIAN Xuezhong.Application of ant colony algorithm in web services composition problem ［J］.Computer Engineering and Design，2007，28 （24）：5912－5915 （in Chinese）. ［王創(chuàng)偉，錢(qián)雪忠.蟻群算法在Web服務(wù)組合問(wèn)題中的應(yīng)用研究［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2007，28 （24）：5912－5915.］

［10］Jong Myoung Ko，Chang Ouk Kim，Ick－Hyun Kwon.Qualityof－service oriented web service composition algorithm and planning architecture ［J］.The Journal of Systems and Software，2008，81 （11）：2079－2090.

［11］DONG Zongran，LI Yingqiu，CHEN Ming－h(huán)ua.Web services composition optimization based on tabu search algorithm ［J］.Computer Engineering and Design，2010，31 （5）：942－945（in Chinese）.［董宗然，李迎秋，陳明華.基于禁忌搜索算法的Web服務(wù)組合優(yōu)化 ［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2010，31（5）：942－945.］

［12］SHEN Ji－quan，ZHENG Xuefeng，TU Xuyan.An approach to service composition based on ant colony algorithm ［J］.Journal of Wuhan University of Technology：Transportation Science ＆ Engineering，2009，33 （6）：1179－1182 （in Chinese）.［沈記全，鄭雪峰，涂序彥.一種基于蟻群算法的服務(wù)組合方法 ［J］.武漢理工大學(xué)學(xué)報(bào)：交通科學(xué)與工程版，2009，33 （6）：1179－1182.］

［13］Daniel Angus，Clinton Woodward.Multiple objective ant colony optimization ［J］.Swarm Intelligence，2009，3 （1）：69－85.

［14］Christine Solnon，Khaled Ghédira.Ant colony optimization for multi－objective optimization problems ［C］.Proceedings of 19th IEEE International Conference on Tools with Artificial Intelligence. Patras： IEEE Computer Society， 2007：450－457.

［15］Chaharsooghi S K，Amir H Meimand Kermani.An effective ant colony optimization algorithm （ACO）for multi－objective resource allocation problem （MORAP） ［J］.Applied Mathematics and Computation，2008，100 （1）：167－177.

［16］Daniel Angus.Crowding population－based ant colony optimisation for the multi－objective travelling salesman problem ［C］.Proceedings of the IEEE Symposium on Computational Intelligence in Multicriteria Decision Making.Honolulu：IEEE Computer Society，2007：333－340.

［17］García－Martínez C，Cordón O，Herrera F.A taxonomy and an empirical analysis of multiple objective ant colony optimization algorithms for the bi－criteria TSP ［J］.European Journal of Operational Research，2007，180 （1）：116－148.

［18］YANG Yahong，WU Guiling，CHEN Jianping，et al.Multiobjective optimization based on ant colony optimization in grid over optical burst switching networks ［J］.Experts Systems with Applications，2010，37 （2）：1769－1775.

［19］Betul Yagmahan，Mehmet Mutlu Yenisey.Ant colony optimization for multi－objective flow shop scheduling problem ［J］.Computers ＆Industrial Engineering，2008，54 （3）：411－420.

［20］Hadi Panahi，Reza Tavakkoli－Moghaddam.Solving a multiobjective open shop scheduling problem by a novel hybrid ant colony optimization ［J］.Expert Systems with Applications，2011，38 （3）：2817－2822.