شناسایی ترکیب سرویس براساس الگوریتم کلونی زنبور عسل مصنوعی تغییر یافته

اینترنت اشیا (‏IoT)‏چالش‌های جدیدی را بر ترکیب خدمات تحمیل می‌کند زیرا مدیریت یک نمونه سریع از خدمات پیچیده از تعداد رو به رشد خدمات داوطلب پویا دشوار است. الگوریتم کلونی زنبور عسل مصنوعی متقابل (‏CMABC)‏برای دستیابی به خدمات راه‌حل بهینه در زمان قابل‌قبول و دقت بالا پیشنهاد شده‌است. ابتدا مدل معرفی خدمات وب ایجاد شد. علاوه بر این، برای غلبه بر مشکل فضای راه‌حل گسسته و آشفته، راه‌حل بهینه جهانی برای سرعت بخشیدن به سرعت هم‌گرایی با تقلید از عملکرد متقابل الگوریتم ژنتیک (‏GA)‏استفاده شد. نتیجه آزمایش شبیه‌سازی نشان می‌دهد که CMABC سرعت هم‌گرایی سریع‌تر و دقت هم‌گرایی بهتری نسبت به دیگر الگوریتم های بهینه‌سازی هوشمند نشان می‌دهد.

Internet of things (IoT) imposes new challenges on service composition as it is difficult to manage a quick instantiation of a complex services from a growing number of dynamic candidate services. A cross-modified Artificial Bee Colony Algorithm (CMABC) is proposed to achieve the optimal solution services in an acceptable time and high accuracy. Firstly, web service instantiation model was established. What is more, to overcome the problem of discrete and chaotic solution space, the global optimal solution was used to accelerate convergence rate by imitating the cross operation of Genetic algorithm (GA). The simulation experiment result shows that CMABC exhibited faster convergence speed and better convergence accuracy than some other intelligent optimization algorithms.