论文题目:
QoS prediction for web services in cloud environments based on swarm intelligence search
问题:
在真实的云计算场景中,用户通常只会调用很少的Web服务,并且只能提供一小部分的QoS记录。缺少QoS值使得服务推荐变的困难,为了克服这一困难,有必要为用户预测准确的QoS值。
大多数现有的算法通过聚合局部相似邻居的QoS值来解决QoS预测问题,这很容易导致局部最优。
解决办法:
提出了一种全局搜索最优的QoS预测模型。
其中,粒子群优化算法被引用和改进,改进方法是多样化初始解+平滑离群粒子。
结果:
基于一个著名的公共QoS数据集的实验结果表明,该方法显著优于现有的协同过滤方法,它使MAE和RMSE最少分别降低5.42%和1%,最多分别降低14.29%和2.25%。
细节: