基于粒子群算法的構(gòu)件組合技術(shù)研究

張燦青+彭成 薛智山 滿君豐

摘要：在開(kāi)放、動(dòng)態(tài)的網(wǎng)絡(luò)環(huán)境下，為了解決網(wǎng)構(gòu)軟件動(dòng)態(tài)組裝問(wèn)題，提出一種改進(jìn)的基于粒子群的優(yōu)化算法。首先在多約束條件下設(shè)計(jì)模型的可信組合方案，通過(guò)改進(jìn)的粒子群算法進(jìn)行最優(yōu)求解，找出構(gòu)件模型的最優(yōu)組合。結(jié)合實(shí)驗(yàn)仿真和實(shí)證研究，結(jié)果表明所提方法在求解多約束構(gòu)件組合優(yōu)化問(wèn)題上是有效的，能提高網(wǎng)構(gòu)軟件組裝的效率和可信性。

關(guān)鍵詞：網(wǎng)構(gòu)軟件；粒子群算法；構(gòu)件組合

中圖分類(lèi)號(hào)：TP301.6 文獻(xiàn)標(biāo)識(shí)碼：ADOI：10.3969/j.issn.10036199.2017.01.016

1引言

由于互聯(lián)網(wǎng)軟件行業(yè)的高速發(fā)展和開(kāi)發(fā)技術(shù)的不斷成熟，傳統(tǒng)的軟件開(kāi)發(fā)方式很大程度上滿足不了系統(tǒng)業(yè)務(wù)的要求，這時(shí)提出了構(gòu)件的概念，并以構(gòu)件為架構(gòu)進(jìn)行程序的開(kāi)發(fā)。目前企業(yè)越來(lái)越重視對(duì)構(gòu)件產(chǎn)品的應(yīng)用，通過(guò)組合具有各自不同功能的構(gòu)件來(lái)搭建軟件系統(tǒng)框架，以滿足企業(yè)業(yè)務(wù)所需[1]。

在基于構(gòu)件為程序架構(gòu)的軟件編程中發(fā)現(xiàn)，如果僅僅使用單個(gè)構(gòu)件產(chǎn)品往往滿足不了用戶的需求，也不能實(shí)現(xiàn)系統(tǒng)中的特定功能，這時(shí)就需要通過(guò)組合不同構(gòu)件來(lái)構(gòu)成一個(gè)更加完善的系統(tǒng)，進(jìn)而實(shí)現(xiàn)復(fù)雜業(yè)務(wù)功能[2]。面對(duì)企業(yè)復(fù)雜多變的環(huán)境，對(duì)構(gòu)件的選擇需求越來(lái)越高，如何從動(dòng)態(tài)地海量組合方案中選擇出滿足用戶質(zhì)量需求的構(gòu)件，成為構(gòu)件組合領(lǐng)域的一個(gè)關(guān)鍵問(wèn)題，這對(duì)構(gòu)件服務(wù)的研發(fā)具有重要的作用及市場(chǎng)價(jià)值。在文獻(xiàn)[2-4]中提出了以構(gòu)件為框架的軟件模型，但并沒(méi)有提到如何從若干些構(gòu)件組成的模塊中選擇合適的構(gòu)件結(jié)構(gòu)。文獻(xiàn)[5]用遺傳算法等解決構(gòu)件選擇的全局最優(yōu)化問(wèn)題。不過(guò)上面提到的方法只取得了局部最優(yōu)解而不是全局最優(yōu)解，且在候選構(gòu)件集迅速增加時(shí)很難保證算法時(shí)間的收斂性。粒子群優(yōu)化算法（Particle Swarm Optimization，PSO） [6] 是一種集成群體智能的優(yōu)化算法，由于其操作簡(jiǎn)單且功能強(qiáng)大，它已經(jīng)成為研究軟件優(yōu)化領(lǐng)域的重點(diǎn)方向。本文以粒子群算法為基礎(chǔ)，融合遺傳算法的交叉、變異及選擇等方法，提出一種改進(jìn)后的粒子群算法。下面本文對(duì)改進(jìn)后的粒子群算法進(jìn)行定義描述及實(shí)驗(yàn)，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析和驗(yàn)證。

2問(wèn)題描述

構(gòu)件的選擇問(wèn)題在構(gòu)件的組合中成為軟件開(kāi)發(fā)研究的熱點(diǎn)，處理構(gòu)件的參數(shù)還要考慮它的性能指標(biāo)等問(wèn)題。針對(duì)目前構(gòu)件選擇缺乏定量化的質(zhì)量標(biāo)準(zhǔn)，我們將可信性納入構(gòu)件選擇中。基于構(gòu)件有著不同的屬性及性能，在選擇構(gòu)件時(shí)依據(jù)這些參數(shù)進(jìn)行優(yōu)先考慮（如構(gòu)件的可靠性、適用性等）。因此本文提出了一種構(gòu)件選擇的可靠機(jī)制模型。

定義1 構(gòu)件[5] 為了對(duì)軟件構(gòu)件進(jìn)行選擇，本文從四個(gè)方面對(duì)構(gòu)件進(jìn)行描述，定義為WS=（N，B，P，Q），其中N表示構(gòu)件的名稱是對(duì)某個(gè)構(gòu)件的稱呼；B表示構(gòu)件的標(biāo)示，

3.2改進(jìn)粒子群算法設(shè)計(jì)

基本粒子群算法最明顯的優(yōu)點(diǎn)就是搜索速度快效率高，且應(yīng)用簡(jiǎn)單等，但是對(duì)于組合優(yōu)化問(wèn)題處理不佳容易出現(xiàn)早熟收斂現(xiàn)象陷入局部最優(yōu)。就構(gòu)件組合全局優(yōu)化問(wèn)題而言，其變量為離散變量，難以描述粒子群算法中的速度信息，為了解決這些缺點(diǎn)，本文結(jié)合粒子群算法與遺傳算法的各自優(yōu)缺點(diǎn)，將兩者進(jìn)行集成，去除其算法缺點(diǎn)給程序帶來(lái)的不足。其主要的思想為：；依據(jù)粒子群算法中的局部和全局粒子群的信息值，適時(shí)計(jì)算并得到給定公式的最優(yōu)解。改進(jìn)后的粒子群算法的運(yùn)算過(guò)程可以分為：初始化階段和計(jì)算并更新階段。其中，預(yù)處理就是對(duì)不同類(lèi)型的構(gòu)件可靠性數(shù)據(jù)進(jìn)行預(yù)處理，將可靠性數(shù)據(jù)限定在一定范圍內(nèi)，以平衡各指標(biāo)對(duì)目標(biāo)函數(shù)的貢獻(xiàn)；初始化階段主要是初始化改進(jìn)的粒子群算法，如將粒子的相關(guān)信息進(jìn)行公式化描述。粒子的更新階段在每次迭代產(chǎn)生新的粒子變量，保證粒子的適應(yīng)值不斷變化，從而獲得最優(yōu)解。

（1）種群初始化

由于全局優(yōu)化問(wèn)題的解對(duì)應(yīng)著具體的構(gòu)件實(shí)例，而基本粒子群算法無(wú)法直接處理這些變量，本文采用隨機(jī)數(shù)的方式對(duì)群體進(jìn)行初始化，即用隨機(jī)函數(shù)為構(gòu)件賦編碼，方法為Num%m（Num為一個(gè)隨機(jī)整數(shù)，m指構(gòu)架類(lèi)的數(shù)目），將求得第一個(gè)數(shù)賦給第一個(gè)構(gòu)件，以此類(lèi)推給所有的構(gòu)件賦標(biāo)號(hào)。對(duì)于給定的解（構(gòu)件），用一組n維向量來(lái)表示，每一維的取值范圍[1，m]。其具體的含義是指組合模型中每個(gè)構(gòu)件類(lèi)的包含每個(gè)構(gòu)件實(shí)例，用這m個(gè)數(shù)對(duì)構(gòu)件實(shí)例進(jìn)行編號(hào)。如編號(hào)序列為1240表示的是：構(gòu)件集體中第一類(lèi)中的第1個(gè)構(gòu)件實(shí)體，第二類(lèi)中的第2個(gè)構(gòu)件實(shí)體，第三類(lèi)中的第4個(gè)構(gòu)件實(shí)體，0表示在第四類(lèi)構(gòu)件中沒(méi)有構(gòu)件被選中。

設(shè)定粒子群的規(guī)模為N，最大迭代次數(shù)為K，根據(jù)粒子定義的可行性根據(jù)式（1）計(jì)算每個(gè)粒子的適應(yīng)度f(wàn)，并根據(jù)適應(yīng)度的值進(jìn)行依次排序，查找出粒子的局部最優(yōu)解

5結(jié)論

本文在國(guó)內(nèi)外對(duì)構(gòu)件研究成果的基礎(chǔ)上，對(duì)構(gòu)件進(jìn)行闡述分析，在組合優(yōu)化問(wèn)題中提出自己的見(jiàn)解。其中主要的研究?jī)?nèi)容包括：（1）本文對(duì)構(gòu)件選擇問(wèn)題進(jìn)行綜合分析，建立了一個(gè)構(gòu)件選擇模型，將構(gòu)件選擇的全局最優(yōu)問(wèn)題轉(zhuǎn)化為了一個(gè)帶約束條件下的多目標(biāo)優(yōu)化問(wèn)題。（2）采用遺傳算法的交叉、變異、選擇等操作為粒子群進(jìn)行更新，使種群具有多樣性，以此來(lái)提高收斂速度及算法的效率。（3）在基本粒子群算法中無(wú)需設(shè)定其基本的參數(shù)（即慣性權(quán)重系數(shù)，學(xué)習(xí)因子，速度即位置的范圍等），可以只將粒子群概念中的迭代次數(shù)和種群規(guī)模的值進(jìn)行初始化，減少了算法計(jì)算的過(guò)程。結(jié)合實(shí)驗(yàn)仿真和實(shí)證研究，實(shí)驗(yàn)結(jié)果證明了上述所提方法對(duì)解決多約束的構(gòu)件組合優(yōu)化問(wèn)題是有效可行的。

參考文獻(xiàn)

[1]廖軍，譚浩，劉錦德.基于Pi-演算的Web服務(wù)組合的描述和驗(yàn)證[J].計(jì)算機(jī)學(xué)報(bào)，2005，28（4）：635-643.

[2]孫熙，莊磊，劉文，等.一種可定制的自主構(gòu)件運(yùn)行支撐框架[J].軟件學(xué)報(bào)，2008，19（6）：1340-1349.

[3]劉文，孫熙，焦文品，等.一種基于自主構(gòu)件的網(wǎng)構(gòu)軟件協(xié)作框架[J].計(jì)算機(jī)研究與發(fā)展.2006，43：217-221.

[4]侯麗珊，金芝.基于環(huán)境變遷的構(gòu)件組合模型[J].電子學(xué)報(bào)，2005，33（12A）：2370-2375.

[5]李佳偉，喻瑩，董才林.一種網(wǎng)構(gòu)軟件構(gòu)件選擇方法[J].計(jì)算機(jī)應(yīng)用與軟件，2013，3.142-146.

[6]KENNEDY EBERHART R.Particle swarm optimization[A].International Conference on Neural Networks[C].Washington：IEEE，1995，1942-1948.

[7]楊淑瑩，張樺.群體智能與仿生計(jì)算——MATLAB技術(shù)實(shí)現(xiàn)[D].北京：電子工業(yè)出版社，2014.

[8]MA Xiujuan，ZHOU Minghui，HONG Mei.A case study of internetware development[C]//Proceedings of the Second Asia-Pacific Symposium，2010：1-13.

[9]劉玲，.基于本體的構(gòu)件檢索的研究[D].青島：中國(guó)石油大學(xué)（華東），2010.

[10]張春梅，李蜀瑜.嵌入式軟件中一種修正QOS值的構(gòu)件選擇方法[J].計(jì)算機(jī)應(yīng)用與軟件，2011，28（6）：63-65.

第36卷第1期2017年3月計(jì)算技術(shù)與自動(dòng)化Computing Technology and AutomationVol36，No1Mar. 2 0 1 7第36卷第1期2017年3月計(jì)算技術(shù)與自動(dòng)化Computing Technology and AutomationVol36，No1Mar. 2 0 1 7