基于离散量子粒子群的信任增值服务工作流选择方法

随着面向服务计算技术的发展，用户提出的任务趋于复杂化，如何高效地把现存的各种组件服务整合起来形成新的满足复杂任务需求的增值服务即组合服务，已成为研究的热点。针对这种增值服务的服务选择问题，设计了一种信任增值离散量子粒子群算法。该算法与传统的面向qos全局最优的服务选择算法的区别在于，前者不仅考虑了服务的信任问题，有效地解决了服务工作流中的恶意欺骗问题，同时还结合工作流的特点，将量子粒子群算法离散化，根据服务选择应用场景重新定义了量子粒子群算法中各种位置的计算方法和其中权重系数的自动调整。仿真实验结果表明，该离散量子粒子群算法不仅降低了服务选择的时间，且能得到更优的适应度值，同时还考虑了信任问题，提高了服务选择的成功率。