支持?jǐn)U展QoS約束的動(dòng)態(tài)虛擬企業(yè)伙伴選擇模型

張以文 倪志偉 王 力 李志東

1．合肥工業(yè)大學(xué)過(guò)程優(yōu)化與智能決策教育部重點(diǎn)實(shí)驗(yàn)室，合肥，230009 2．安徽大學(xué)，合肥，230039

0 引言

虛擬企業(yè)以其低成本、快速響應(yīng)市場(chǎng)機(jī)遇以及良好的適應(yīng)能力，越來(lái)越受到業(yè)界的重視。合理的伙伴選擇是虛擬企業(yè)成功的關(guān)鍵。目前，虛擬企業(yè)的伙伴選擇研究主要有兩條技術(shù)路線：①基于多屬性決策方法研究［1－3］，基于 A HP（層次分析法）、DEA（數(shù)據(jù)包絡(luò)分析）、模糊決策等方法和理論來(lái)進(jìn)行伙伴選擇，這些方法還只是局部搜索的優(yōu)化方法，可操作性較差；②基于智能算法的伙伴選擇［4－7］，但已有研究大多是基于靜態(tài)虛擬企業(yè)背景下進(jìn)行的，不能很好地體現(xiàn)伙伴選擇的動(dòng)態(tài)性。傳統(tǒng)的靜態(tài)虛擬企業(yè)組織結(jié)構(gòu)相對(duì)固定，成員數(shù)量相對(duì)穩(wěn)定，在建立虛擬組織時(shí)，需要一致的成員企業(yè)的業(yè)務(wù)接口以及相互之間統(tǒng)一的文件交互格式［8］，代價(jià)高，可伸縮性差。企業(yè)間異構(gòu)的應(yīng)用系統(tǒng)平臺(tái)、不一致的數(shù)據(jù)格式、信息集成和共享困難是導(dǎo)致靜態(tài)虛擬企業(yè)滯后的合作伙伴發(fā)現(xiàn)和選擇的重要原因。隨著信息技術(shù)與網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，網(wǎng)絡(luò)經(jīng)濟(jì)已成為重要的經(jīng)濟(jì)模式，動(dòng)態(tài)虛擬企業(yè)成為網(wǎng)絡(luò)經(jīng)濟(jì)的主要表現(xiàn)形式，動(dòng)態(tài)虛擬企業(yè)具有松散耦合、異構(gòu)性、不穩(wěn)定性和動(dòng)態(tài)性等特點(diǎn)。但隨著網(wǎng)絡(luò)中潛在的虛擬企業(yè)合作伙伴明顯增多，使得動(dòng)態(tài)虛擬企業(yè)對(duì)于合作伙伴的選擇、評(píng)價(jià)和動(dòng)態(tài)綁定變得更加復(fù)雜。Web服務(wù)（WS）技術(shù)是良好的解決方案，基于Web服務(wù)技術(shù)的動(dòng)態(tài)虛擬企業(yè)集成已成為人們研究的熱點(diǎn)。Web服務(wù)技術(shù)為企業(yè)集成雙方提供了一種松散藕合的機(jī)制，特別是統(tǒng)一描述、發(fā)現(xiàn)和集成（universal description discovery and integration，UDDI）機(jī)制能為企業(yè)的注冊(cè)提供統(tǒng)一的管理平臺(tái)，使企業(yè)能夠?qū)崟r(shí)動(dòng)態(tài)地發(fā)現(xiàn)現(xiàn)有的和潛在的合作伙伴，集成新的企業(yè)合作伙伴，從而使虛擬企業(yè)合作伙伴的動(dòng)態(tài)選擇成為可能。但目前的研究還只主要集中在解決企業(yè)間系統(tǒng)異構(gòu)性和提高信息集成及共享等方面［9－10］，較少涉及 Web服務(wù)架構(gòu)下的動(dòng)態(tài)虛擬企業(yè)伙伴選擇問(wèn)題，尤其是已有UDDI的研究工作缺乏對(duì)注冊(cè)企業(yè)服務(wù)能力的評(píng)價(jià)機(jī)制，未能充分發(fā)揮Web服務(wù)架構(gòu)的顯著優(yōu)勢(shì)，對(duì)動(dòng)態(tài)虛擬企業(yè)合作伙伴的選擇產(chǎn)生了嚴(yán)重障礙。本文提出一種基于Web服務(wù)架構(gòu)的動(dòng)態(tài)虛擬企業(yè)伙伴選擇擴(kuò)展模型（dynamic virtual enterprise partner selection extended model，DVEPSEM）來(lái)支持大規(guī)模的動(dòng)態(tài)虛擬企業(yè)伙伴選擇，通過(guò)實(shí)驗(yàn)驗(yàn)證了模型的有效性和合理性。

圖1 動(dòng)態(tài)虛擬企業(yè)伙伴選擇擴(kuò)展模型

1 動(dòng)態(tài)虛擬企業(yè)伙伴選擇擴(kuò)展模型

Web服務(wù)技術(shù)的出現(xiàn)為動(dòng)態(tài)虛擬企業(yè)伙伴選擇提供了技術(shù)支撐，但現(xiàn)有Web服務(wù)架構(gòu)下的服務(wù)發(fā)現(xiàn)算法研究主要考慮應(yīng)答時(shí)間、服務(wù)器負(fù)載、服務(wù)成本和網(wǎng)絡(luò)延遲等因素。在動(dòng)態(tài)虛擬企業(yè)伙伴選擇中更重要的是應(yīng)考慮商務(wù)合作層面的因素，如成本因素、生產(chǎn)時(shí)間、合作信任度、風(fēng)險(xiǎn)因素等，需要對(duì)現(xiàn)有 Web服務(wù)架構(gòu)進(jìn)行擴(kuò)展，提出了一種動(dòng)態(tài)虛擬企業(yè)伙伴選擇擴(kuò)展模型，如圖1所示。

1．1 DVEPSEM模型分析

定義1 WS＝｛Function，QoS｝。WS為企業(yè)Web服務(wù)，其中，F(xiàn)unction是企業(yè)服務(wù)的功能屬性集合，表示企業(yè)的某種服務(wù)能力，QoS是服務(wù)質(zhì)量（QoS）的屬性集合。

定義2 QoS ＝ ｛QoStrad，QoSextr｝。QoStrad是指?jìng)鹘y(tǒng)服務(wù)質(zhì)量（QoStrad）屬性集合（如應(yīng)答時(shí)間、服務(wù)器負(fù)載等），QoSextr是指企業(yè)商務(wù)合作層面的服務(wù)質(zhì)量屬性集合（如成本因素、產(chǎn)品質(zhì)量和合作信譽(yù)度等），為伙伴選擇提供依據(jù)。本文主要研究基于擴(kuò)展QoS（QoSextr）的動(dòng)態(tài)虛擬企業(yè)伙伴選擇問(wèn)題。

定義3 WS類（即企業(yè)服務(wù)類）是由不同企業(yè)發(fā)布、具有實(shí)現(xiàn)相同功能的一組企業(yè)服務(wù)集合，同一個(gè)企業(yè)服務(wù)類中企業(yè)功能相同，但各自的QoSextr性能不同。

（1）企業(yè)聯(lián)盟UDDI機(jī)制接受WS的發(fā)布，并在領(lǐng)域本體的支持下（圖1中彎曲虛線表示領(lǐng)域本體到相應(yīng)服務(wù)類的映射）將企業(yè)WS按其服務(wù)功能進(jìn)行分類，使得每個(gè)企業(yè)服務(wù)（或原子企業(yè)服務(wù)組合，考慮可能有若干小型企業(yè)合作完成一項(xiàng)子任務(wù)，看成一個(gè)服務(wù)）屬于某個(gè)服務(wù)類（圖1中矩形虛線表示一個(gè)服務(wù)類），利用本體對(duì)企業(yè)服務(wù)功能明確的形式化的規(guī)范說(shuō)明，提高企業(yè)服務(wù)分類的精確性，消除信息語(yǔ)義的多重性以及信息關(guān)系的匱乏和非統(tǒng)一性問(wèn)題。

（2）QoS監(jiān)控系統(tǒng)負(fù)責(zé)企業(yè)服務(wù)類各服務(wù)QoSextr標(biāo)準(zhǔn)量化工作，并對(duì)企業(yè)服務(wù)QoSextr動(dòng)態(tài)監(jiān)督，接受客戶企業(yè)反饋信息并實(shí)時(shí)動(dòng)態(tài)更新企業(yè)QoSextr，為企業(yè)能力公正合理的評(píng)價(jià)提供保障，為伙伴選擇提供決策信息（如服務(wù)質(zhì)量、信譽(yù)度等）支持。

（3）核心企業(yè)是虛擬企業(yè)的發(fā)起者，將實(shí)現(xiàn)目標(biāo)劃分成若干個(gè)子任務(wù)，子任務(wù)之間可以并行執(zhí)行，通過(guò)工作流引擎建立任務(wù)間的先序關(guān)系，如圖2所示。其中，TKi表示目標(biāo)任務(wù)組合中第i項(xiàng)子任務(wù)，從起始任務(wù)到終止任務(wù)路徑表示虛擬企業(yè)實(shí)現(xiàn)目標(biāo)任務(wù)的工作流程。伙伴選擇的任務(wù)是為每類子任務(wù)從相應(yīng)服務(wù)類中選擇一個(gè)理想的企業(yè)服務(wù)共同構(gòu)成一個(gè)企業(yè)服務(wù)組合，優(yōu)化的企業(yè)服務(wù)組合即為動(dòng)態(tài)虛擬企業(yè)伙伴選擇的目標(biāo)，以期達(dá)到以最快的速度、最低的成本、最好的質(zhì)量實(shí)現(xiàn)企業(yè)目標(biāo)，提高企業(yè)的敏捷性和快速響應(yīng)市場(chǎng)的能力，成員組合一經(jīng)確定，核心企業(yè)建立私有UDDI并向伙伴成員發(fā)送注冊(cè)邀請(qǐng)。

圖2 虛擬企業(yè)任務(wù)狀態(tài)圖

（4）伙伴企業(yè)為尋求市場(chǎng)機(jī)遇，將自己的能力封裝成WS，發(fā)布到企業(yè)聯(lián)盟UDDI，以期待與其他企業(yè)的合作，提高企業(yè)自身的競(jìng)爭(zhēng)能力，當(dāng)被某核心企業(yè)邀請(qǐng)時(shí)，對(duì)核心企業(yè)和合作目標(biāo)進(jìn)行評(píng)估，若接受邀請(qǐng)則在核心企業(yè)私有UDDI內(nèi)注冊(cè)，否則，反饋拒絕接受邀請(qǐng)的消息。

虛擬企業(yè)各個(gè)成員通過(guò)基于XML的SOAP協(xié)議作為標(biāo)準(zhǔn)通信協(xié)議，完成各個(gè)成員間應(yīng)用程序的無(wú)縫集成。虛擬企業(yè)解散時(shí)各成員企業(yè)反饋相關(guān)合作企業(yè)信譽(yù)度等QoSextr信息。

為實(shí)現(xiàn)伙伴企業(yè)快速精確的查找，可選用OWL－S（語(yǔ)義 Web服務(wù)標(biāo)識(shí)語(yǔ)言）來(lái)描述企業(yè)服務(wù)的知識(shí)本體，提供企業(yè)服務(wù)的詞匯表，描述服務(wù)的語(yǔ)義，根據(jù)服務(wù)的Function進(jìn)行推理。OWL－S主要通過(guò)Service Profile、Service Model和Ser vice Gr ounding三個(gè)類來(lái)描述服務(wù)做什么、如何做以及如何訪問(wèn)等三方面的語(yǔ)義，從而允許服務(wù)的自動(dòng)發(fā)現(xiàn)、執(zhí)行、組合和運(yùn)行的監(jiān)視。每一個(gè)服務(wù)輪廓都是Profile Ontology（輪廓本體）中定義的輪廓類（Class Ser vicePr ofile）的一個(gè)實(shí)例。如〈profile：profile r df：ID＝ “Profile Enterprise Web＿Ser vice”〉，在OWL－S中規(guī)范了一系列的屬性來(lái)描述服務(wù)Profile Ontology，在原有屬性的基礎(chǔ)上進(jìn)行屬性擴(kuò)展，利用“f unction Description”屬性來(lái)描述服務(wù)的Function信息，利用“Qos Constraints”來(lái)描述企業(yè)QoSextr信息。企業(yè)服務(wù)類在“ServiceCategory”中加以描述。擴(kuò)展Ser vice Pr ofile結(jié)構(gòu)如圖3所示。

圖3 擴(kuò)展Service Profile本體

1．2 基于DVEPSEM的伙伴選擇數(shù)學(xué)模型

設(shè)TK ＝ ｛TKi｜i＝1，2，…，n｝為虛擬企業(yè)需要完成的n類子任務(wù)的集合，WSi＝｛wsij｜j＝1，2，…，mi｝為UDDI內(nèi)能夠完成子任務(wù)TKi的某候選企業(yè)服務(wù)類，mi為該服務(wù)類中服務(wù)數(shù)量。設(shè)Ii＝ ｛ti，qi，ci，…｝為服務(wù)類WSi的 QoSextr評(píng)價(jià)指標(biāo)集合，其中，ti為時(shí)間指標(biāo)，qi為質(zhì)量指標(biāo)，ci為價(jià)格指標(biāo)，省略號(hào)為其他可選指標(biāo)。每個(gè)服務(wù)類指標(biāo)集合不同，但可取ti、qi、ci作為動(dòng)態(tài)虛擬企業(yè)（因?yàn)閯?dòng)態(tài)虛擬企業(yè)要求快速的市場(chǎng)應(yīng)變能力下以低廉的成本創(chuàng)造高質(zhì)量的產(chǎn)品或服務(wù)）各服務(wù)類公共評(píng)價(jià)指標(biāo)，即QoSextr＝｛生產(chǎn)時(shí)間，產(chǎn)品質(zhì)量，生產(chǎn)成本｝。設(shè)核心企業(yè)對(duì)TKi類子任務(wù)合作伙伴的QoSextr約束為生產(chǎn)時(shí)間不超過(guò)tmaxi、產(chǎn)品質(zhì)量不低于qmini、生產(chǎn)成本不高于cmaxi，則動(dòng)態(tài)虛擬企業(yè)伙伴選擇問(wèn)題可描述為滿足約束的多目標(biāo)決策問(wèn)題：

s．t．?i，若 ?j使得dij＝1，那么wsij必須滿足：

式（1）中，當(dāng)子任務(wù)間是并行關(guān)系時(shí)，取并行任務(wù)間的最大時(shí)間（圖2中子任務(wù)TK2和TK3）。式（2）中，C1為虛擬企業(yè)各子任務(wù)花費(fèi)（主要是企業(yè)自身成本估計(jì)）之和，C2為虛擬企業(yè)相鄰任務(wù)（i→i＋1）間企業(yè)連接成本（如運(yùn)輸費(fèi)用等），lwsij，ws（i＋1）k為 服 務(wù) 類 WSi中 的 服 務(wù)j 和 服 務(wù) 類WSi＋1中的服務(wù)k之間的連接成本，若wsij被選中則dij為1，否則為0。twsij、cwsij和qwsij分別為服務(wù)類WSi中的第j個(gè)服務(wù)所需的生產(chǎn)時(shí)間、生產(chǎn)成本和能夠提供的服務(wù)質(zhì)量。

以上指標(biāo)可能在數(shù)量級(jí)上存在很大差異，為防止在決策中發(fā)生“大數(shù)吃小數(shù)現(xiàn)象”，按下式將各指標(biāo)進(jìn)行歸一化處理：

按照式（5）負(fù)作用指標(biāo)將式（3）轉(zhuǎn)化為最小化問(wèn)題：

對(duì)于?wsi服務(wù)類集合，若wsij被選中，必須滿足下式，即DVEPSEM模型下伙伴選擇（多目標(biāo)決策問(wèn)題）轉(zhuǎn)換為下式的組合優(yōu)化問(wèn)題：

其中，｛λi1，λi2，λi3｝為指標(biāo)權(quán)重，滿足，并行任務(wù)間求解時(shí)的最大時(shí)間。

2 基于DVEPSEM的伙伴選擇改進(jìn)算法

基于多約束的虛擬企業(yè)伙伴選擇問(wèn)題已被證明是NP問(wèn)題［11］。自適應(yīng)遺傳算法（AGA）能夠有效地解決此類問(wèn)題，遺傳算法具有很好的全局尋優(yōu)能力。但是，隨著信息技術(shù)與網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，網(wǎng)絡(luò)中潛在的企業(yè)合作伙伴明顯增多，問(wèn)題的搜索空間變得越來(lái)越大，本文利用伙伴選擇企業(yè)QoSextr約束問(wèn)題本身的數(shù)學(xué)特征，在制定相關(guān)規(guī)則的基礎(chǔ)上，較大程度地降低問(wèn)題求解空間，提出了一種改進(jìn)的IAGA算法，利用理想點(diǎn)法和歐氏距離構(gòu)造相應(yīng)的適應(yīng)度函數(shù)，最后返回q個(gè)最優(yōu)企業(yè)組合信息，為企業(yè)領(lǐng)導(dǎo)層或領(lǐng)域?qū)＜业倪M(jìn)一步?jīng)Q策提供信息支持。

2．1 伙伴初步篩選

為減少服務(wù)類WSi搜索空間中的服務(wù)數(shù)量，制定以下規(guī)則：

規(guī)則1 在任一服務(wù)類WSi中，對(duì)于?wsij（j＝1，2，…，mi），若合取式（4）不成立，則刪除wsij。

規(guī)則2 在任一服務(wù)類WSi中，如果（qwsij≥qwsik）∧ （twsij≤twsik）∧ （c′wsij≤cwsik），j≠k，則刪除wsik。其中，c′wsij＝cwsij＋max lwsij，ws（i＋1）k；k＝1，2，…，mi＋1。

2．2 算法準(zhǔn)備

（1）編碼方法。令 X ＝ ｛x1，x2，…，xn｝（xi＝1，2，…，mi）為任一染色體，xi為服務(wù)類WSi中的某一服務(wù)，如染色體｛2，4，1，5，3｝，表示子任務(wù)TK1選中了可完成該子任務(wù)的某服務(wù)類WSi中的企業(yè)服務(wù)wsi2，其余類似。

（2）交叉概率Pc和變異概率Pm：

式中，fmax和f為群體最大適應(yīng)度和平均適應(yīng)度；f′為兩交叉?zhèn)€體較大的適應(yīng)度；f為要變異個(gè)體的適應(yīng)度；k1、k2、k3、k4取（0，1）區(qū)間的值。

對(duì)于不同的個(gè)體，適應(yīng)度高的個(gè)體應(yīng)給予保護(hù)，每個(gè)個(gè)體擁有不同的Pc和Pm。

（3）適應(yīng)度函數(shù)設(shè)計(jì)。選用理想點(diǎn)法構(gòu)造適應(yīng)度函數(shù)，設(shè)有n個(gè)子任務(wù)構(gòu)成的業(yè)務(wù)流程f1（x），f2（x），…，fn（x），對(duì)于每個(gè)目標(biāo)函數(shù)分別有其最優(yōu)值為f＋i。那么，可以將向量（f＋1，f＋2，…，f＋n）看作向量函數(shù)（f1（x），f2（x），…，fn（x））的正理想點(diǎn)。同理，將向量（f－1，f－2，…，f－n）看作向量函數(shù)（f1（x），f2（x），…，fn（x））的負(fù)理想點(diǎn)?；跉W式距離構(gòu)造適應(yīng)度函數(shù)為：

式中，l為目標(biāo)函數(shù)個(gè)數(shù)（本文中l(wèi)＝3）。

關(guān)于指標(biāo)權(quán)重λij，對(duì)于同一個(gè)指標(biāo)，不同的服務(wù)類由于企業(yè)完成任務(wù)性質(zhì)不同可以賦以不同的權(quán)重。

2．3 算法描述

（1）按照規(guī)則進(jìn)行伙伴初步篩選；

（2）初始化種群大小n，prior f itness［q］；

（3）隨機(jī)產(chǎn)生初始種群X0；

（4）選擇操作，采用輪盤(pán)選擇策略進(jìn)行個(gè)體選擇；

（5）交叉操作，以概率Pc決定個(gè)體是否進(jìn)行交叉操作，采用簡(jiǎn)單的雙子雙親法，交配位隨機(jī)取位；

（6）變異操作，以變異概率Pm指定其變異點(diǎn)，對(duì)變異點(diǎn)的基因值由除該基因值以外的隨機(jī)產(chǎn)生的［1，mi］之間的數(shù)值取代；

（7）計(jì)算每個(gè)個(gè)體適應(yīng)度值，進(jìn)行適應(yīng)度排序，將當(dāng)前種群適應(yīng)度前q個(gè)適應(yīng)度值和相應(yīng)個(gè)體信息保存到數(shù)組prior f itness［q］中；

（8）判斷是否滿足結(jié)束條件（文中將連續(xù)30代個(gè)體最大適應(yīng)度值不變作為結(jié)束條件），如不滿足則返回步驟（4），否則，返回q個(gè)最優(yōu)個(gè)體及其相應(yīng)適應(yīng)度值信息prior f itness［q］（q＞1），算法結(jié)束。

算法最后返回q個(gè)最優(yōu)個(gè)體，這q個(gè)個(gè)體滿足成本低、響應(yīng)速度快和服務(wù)質(zhì)量高的要求，適應(yīng)度值非常接近。然而適應(yīng)度最高的個(gè)體并不一定是動(dòng)態(tài)虛擬企業(yè)最理想的組合，因?yàn)樵趯?shí)際目標(biāo)實(shí)施過(guò)程中，企業(yè)的合作信譽(yù)度、創(chuàng)新能力和服務(wù)水平等也是不容忽視的商務(wù)合作因素。另外，也可能出現(xiàn)返回的個(gè)體中，有一個(gè)或若干個(gè)企業(yè)服務(wù)由于企業(yè)自身某種客觀原因不能接受核心企業(yè)請(qǐng)求，即可能出現(xiàn)若干企業(yè)服務(wù)不可用的情況。所以，返回q個(gè)最優(yōu)個(gè)體一方面可以避免服務(wù)不可用而重新選擇，核心企業(yè)決策層還可對(duì)這q個(gè)最優(yōu)個(gè)體進(jìn)行進(jìn)一步的決策（如可采用模糊A HP等決策方法對(duì)企業(yè)合作信譽(yù)度、創(chuàng)新能力和服務(wù)水平等綜合評(píng)價(jià)）以選擇更為理想的個(gè)體，發(fā)揮領(lǐng)導(dǎo)決策層或領(lǐng)域?qū)＜业闹饔^能動(dòng)性，以使動(dòng)態(tài)虛擬企業(yè)具有更強(qiáng)的競(jìng)爭(zhēng)優(yōu)勢(shì)。

3 實(shí)驗(yàn)分析

由于目前還沒(méi)有標(biāo)準(zhǔn)企業(yè)服務(wù)測(cè)試數(shù)據(jù)集，故本文采用隨機(jī)數(shù)進(jìn)行驗(yàn)證。按照?qǐng)D2所示組合流程對(duì)動(dòng)態(tài)虛擬企業(yè)伙伴選擇進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)平臺(tái)為Eclipse3．2，算法源碼用Java語(yǔ)言實(shí)現(xiàn)。為不同服務(wù)類隨機(jī)生成相應(yīng)指標(biāo)數(shù)據(jù)，同一服務(wù)類中，生產(chǎn)時(shí)間和成本指標(biāo)設(shè)定為某區(qū)間［a，b］內(nèi)的隨機(jī)數(shù)，質(zhì)量指標(biāo)設(shè)置為［1，10］之間的隨機(jī)整數(shù)，各指標(biāo)權(quán)重λij為0到1之間的隨機(jī)數(shù)，針對(duì)權(quán)重的約束條件為：0．5］），i＝1，2，…，5。針對(duì)生產(chǎn)時(shí)間和成本指標(biāo)的約束條件為：生產(chǎn)時(shí)間和成本指標(biāo)在范圍［a，b］內(nèi)不高于（a＋（b－a＋1）×0．7），質(zhì)量指標(biāo)不低于4。針對(duì)算法進(jìn)化代數(shù)的約束條件為：連續(xù)30代最 大 適 應(yīng) 度 不 變，k1＝ 0．3， k2＝0．9，k3＝0．01，k4＝0．5。

對(duì)自適應(yīng)遺傳算法AGA和IAGA算法在不同服務(wù)數(shù)規(guī)模下進(jìn)行實(shí)驗(yàn)對(duì)比分析（相同規(guī)模服務(wù)數(shù)兩種算法采用相同隨機(jī)數(shù)），同時(shí)，為了分析兩種算法查找到的最佳個(gè)體是否是實(shí)際最優(yōu)個(gè)體，設(shè)計(jì)了窮盡查找算法（br utalf orce search，BS）求解不同服務(wù)數(shù)規(guī)模下的實(shí)際最佳適應(yīng)度，BS算法可在初步篩選前或篩選后執(zhí)行。

（1）種群規(guī)模1000，每個(gè)服務(wù)類候選服務(wù)數(shù)規(guī)模從1變化到50時(shí)實(shí)驗(yàn)對(duì)比結(jié)果如圖4所示。IAGA算法最佳適應(yīng)度和實(shí)際最佳適應(yīng)度吻合率（指適應(yīng)度值相同的比率）為96%，在圖4中IAGA算法最佳適應(yīng)度曲線基本被實(shí)際最佳適應(yīng)度曲線所覆蓋，終止世代數(shù)平均為79．9，最佳適應(yīng)度大小為0．8752。AGA算法最佳適應(yīng)度和實(shí)際最佳適應(yīng)度吻合率為84%，終止世代數(shù)平均為104．44，最佳適應(yīng)度大小為0．8706。由于利用篩選機(jī)制，IAGA算法在終止世代數(shù)和適應(yīng)度方面表現(xiàn)出了良好的性能?？梢钥闯?，隨著每個(gè)服務(wù)類候選服務(wù)數(shù)量的增加，最大適應(yīng)度總體呈上升趨勢(shì)，這說(shuō)明基于DVEPSEM模型的伙伴選擇，隨著企業(yè)發(fā)布的服務(wù)數(shù)量的增加，核心企業(yè)能夠查找到更為優(yōu)化的伙伴組合，從而提高動(dòng)態(tài)虛擬企業(yè)市場(chǎng)應(yīng)變能力和核心競(jìng)爭(zhēng)力。

圖4 在不同服務(wù)數(shù)規(guī)模下的對(duì)比實(shí)驗(yàn)

（2）種群規(guī)模的大小直接影響到IAGA算法和AGA算法最佳適應(yīng)度和實(shí)際最佳適應(yīng)度吻合率，種群規(guī)模從100變化到1000（步長(zhǎng)100），對(duì)服務(wù)類候選服務(wù)數(shù)從1到50進(jìn)行200次實(shí)驗(yàn)，計(jì)算各種群規(guī)模下的平均吻合率，實(shí)驗(yàn)結(jié)果如圖5所示。隨著種群大小的變化，IAGA算法在適應(yīng)度吻合率方面始終保持明顯的優(yōu)勢(shì)，本實(shí)驗(yàn)表明，IAGA算法能夠解決大規(guī)模的伙伴選擇，具有很強(qiáng)的全局尋優(yōu)能力，種群規(guī)模應(yīng)設(shè)置為一個(gè)較大的值（文中實(shí)驗(yàn)應(yīng)大于600），保證獲取的最佳個(gè)體為全局最優(yōu)解。

圖5 種群規(guī)模對(duì)適應(yīng)度吻合率的影響實(shí)驗(yàn)

（3）種群規(guī)模1000，設(shè)定每個(gè)服務(wù)類候選服務(wù)數(shù)為30時(shí)，圖6所示為IAGA算法某次運(yùn)行返回的5個(gè)最大適應(yīng)度值及個(gè)體信息。從圖6可以看出，5個(gè)最優(yōu)個(gè)體中最大適應(yīng)度值為0．8260，最小適應(yīng)度值為0．8124，子任務(wù)T K3、T K4和T K5的候選服務(wù)均相同，為｛16，8，29｝，T K1有兩個(gè)候選服務(wù)16和25，T K2有三個(gè)候選服務(wù)1、17和23可供選擇，為領(lǐng)導(dǎo)層或領(lǐng)域?qū)＜疫M(jìn)一步?jīng)Q策提供信息支持。IAGA算法查找到的最優(yōu)伙伴組合｛16，17，16，8，29｝和BS算法查找結(jié)果相同，結(jié)果是精確解。在算法中還設(shè)計(jì)了計(jì)算任意選取個(gè)體適應(yīng)度值的功能，如果核心企業(yè)不選用IAGA算法推薦的這q個(gè)個(gè)體，還可以在企業(yè)DSS支持下選擇新個(gè)體，如輸入個(gè)體｛23，14，21，6，18｝，該個(gè)體適應(yīng)度經(jīng)計(jì)算結(jié)果為0．3898，可反復(fù)輸入。圖6中distribution（1）含義是經(jīng)初步篩選以后BS算法計(jì)算出的所有個(gè)體的適應(yīng)度值的分布情況，總的個(gè)體數(shù)為192192，未篩選總個(gè)體數(shù)為24 300 000，可見(jiàn)IAGA算法能夠較大程度地減小伙伴選擇搜索空間，從而提高伙伴選擇效率和查找準(zhǔn)確性。

圖6 返回q個(gè)最佳個(gè)體信息實(shí)驗(yàn)

4 總結(jié)

采用Web服務(wù)技術(shù)解決動(dòng)態(tài)虛擬企業(yè)系統(tǒng)集成已成為一種完美的解決方案，因此，研究基于Web服務(wù)的動(dòng)態(tài)虛擬企業(yè)伙伴選擇具有非常重要的意義。文中提出了一種動(dòng)態(tài)虛擬企業(yè)伙伴選擇的擴(kuò)展模型DVEPSEM，充分考慮了Web服務(wù)架構(gòu)下服務(wù)數(shù)量會(huì)不斷變化和動(dòng)態(tài)更新以及服務(wù)QoSextr指標(biāo)約束和監(jiān)督機(jī)制等問(wèn)題，設(shè)計(jì)了基于DVEPSEM模型的IAGA算法，通過(guò)企業(yè)QoSextr約束等規(guī)則進(jìn)行伙伴篩選，減小了搜索空間，利用理想點(diǎn)法和歐氏距離構(gòu)造適應(yīng)度函數(shù)，同時(shí)考慮到企業(yè)服務(wù)可能出現(xiàn)不可用的情況，返回q個(gè)適應(yīng)度高的優(yōu)良個(gè)體，一方面可以充分發(fā)揮領(lǐng)導(dǎo)層或領(lǐng)域?qū)＜业臎Q策能力，提高虛擬企業(yè)的競(jìng)爭(zhēng)力，另一方面避免了因個(gè)別服務(wù)不可用而重新選擇，提高效率。實(shí)驗(yàn)表明，本文提出的DVEPSEM模型是合理可行的，IAGA算法在進(jìn)化代數(shù)和最佳適應(yīng)度方面均表現(xiàn)出了明顯的優(yōu)勢(shì)，支持基于DVEPSEM模型的大規(guī)模動(dòng)態(tài)虛擬企業(yè)伙伴選擇。

［1］ Zhu H，Liu S Y，F(xiàn)ang X R．Method f or Uncertain Multi－attribute Decision Making with Preference Inf or mation in the For m of Inter val Nu mbers Co mplementary Judgment Matrix［J］．Journal of Systems Engineering and Electronics，2007，18（2）：265－269．

［2］ Ye Fei，Li Y N．Group Multi－attribute Decision Model to Partner Selection in the For mation of Virtual Enter prise under Inco mplete Infor mation［J］．Expert Systems with Applications，2009，36（5）：9350－9357．

［3］ 張成考，聶茂林，吳價(jià)寶．基于改進(jìn)型灰色評(píng)價(jià)的虛擬企業(yè)合作伙伴選擇［J］．系統(tǒng)工程理論與實(shí)踐，2007，27（11）：54－60．

［4］ 李劍，景博，牛少彰，等．基于自適應(yīng)遺傳算法的企業(yè)動(dòng)態(tài)聯(lián)盟伙伴選擇模型［J］．通信學(xué)報(bào)，2009，30（8）：78－83．

［5］ 蔣建國(guó)，夏 娜，張國(guó)富，等．基于蟻群算法的敏捷供應(yīng)鏈伙伴選擇［J］．系統(tǒng)仿真學(xué)報(bào)，2006，18（12）：3377－3379．

［6］ Zhao F Q，Hong Y，Yu D M，et al．A Novel Genetic Algorithm f or Partner Selection Problem in Virtual Enter prise［C］／／Proceedings of t he ICMA’04．Chengelu，China，2004：477－482．

［7］ 蘇兆品，蔣建國(guó)，夏娜，等．一種基于免疫的敏捷虛擬企業(yè)伙伴選擇算法［J］．中國(guó)機(jī)械工程，2008，19（8）：925－928．

［8］ Y Rezgui．Role－based Service－oriented Implementation of a Virtual Enterprise：a Case Study in the Constr uction Sector［J］．Co mputers in Industry，2007，58（1）：74－86．

［9］ 張明寶，夏安邦．基于面向服務(wù)體系架構(gòu)的敏捷虛擬企業(yè)信息系統(tǒng)框架［J］．計(jì)算機(jī)集成制造系統(tǒng)，2004，10（8）：985－990．

［10］ Shen W M，Hao Q，Wang S，et al．An Agentbased Service－oriented Integration Architecture f or Collaborative Intelligent Manufacturing［J］．Robotics and Computer－integrated Manufacturing，2007，23（3）：315－325．

［11］ Zeng Z B，Li Y，Zhu W．Partner Selection with a Due Date Constraint in Virtual Enter prises［J］．Applied Mathematics and Co mputation，2006，175（2）：1353－1365．