利用记忆单元改进DQN的Web服务组合优化方法

• 作者: 杨波 胡国兵
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 记忆单元 LSTM-DQN MDP简化建模 Web服务组合
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 软件技术与研究
• 页码范围: 11-17
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.11.002

摘要

针对面向高可扩展性、复杂性和异构性服务环境的Web服务组合难以进行优化的问题,提出一种利用长短期记忆单元改进深度Q神经网络(Long Short-Term Memory Deep Q-Network,LSTM-DQN)的Web服务组合优化方法.利用Markov对Web服务组合优化问题进行建模,分析各变量参数之间的关系,同时加入强化学习的组合优化模型,简化了组合优化过程;引入记忆单元对深度Q网络算法进行优化,提出LSTM-DQN方法,提升了DQN算法的全局寻优能力;将LSTM-DQN应用于大规模服务环境下的Web服务组合优化问题,对所建立的马尔可夫决策(Markov Decision Process,MDP)模型进行优化,以提升Web服务组合的处理效率.实验结果表明,该方法相对于传统方法在大规模服务环境下对Web服务组合优化所消耗时间更短,服务组合成功率更高,具有更强的处理能力和处理效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨波		39	30	3.0	3.0
2	胡国兵		23	30	3.0	4.0