ارائه الگوریتم چندهدفه بهبودیافته به منظور انتخاب بهینه در ترکیب وب‌سرویس‌های آگاه به کیفیت در اینترنت اشیا

با ظهور اینترنت اشیا، مسئله ترکیب وب سرویس ها و برآورده کردن نیازهای متعدد و پیچیده از سوی کاربران بیش از پیش مورد توجه قرار گرفته است. به منظور ارائه خدمت به برنامه های کاربردی سیستم های مبتنی بر اینترنت اشیا، کاندیداهای متفاوتی با ویژگی های کیفی گوناگون وجود دارند. بنابراین یک چالش اساسی، انتخاب یک ترکیب بهینه از میان این کاندیداها به عنوان یک مسئله np-hard است. در این مقاله، راه حل نزدیک به بهینه برای حل مسئله ترکیب وب سرویس در اینترنت اشیا و یافتن جبهه بهینه پارتو با استفاده از الگوریتم جستجوی فراابتکاری چندهدفه nsga-iii ارائه شده و سپس به منظور افزایش کیفیت و تنوع راه حل ها، الگوریتم بهبودیافته ای با ترکیب الگوریتم nsga-iii و تابع برازندگی جدید پیشنهاد گردیده است. به منظور بهینه سازی ترکیب سرویس ها در الگوریتم پیشنهادی از 9 پارامتر کیفی استفاده شده و در ادامه برای عملکرد بهتر به سه هدف اصلی تبدیل شده اند. نتایج آزمایش ها نشان می دهند که رویکرد پیشنهادی از نظر میانگین دو هدف از سه هدف در مقایسه با الگوریتم nsga-iii نتیجه بهتری دارد. همچنین از نظر شاخص های عملکردی توانسته به طور میانگین به 11 درصد پوشش بیشتر دست یابد و هم از لحاظ توزیع راه حل ها و هم از لحاظ پراکندگی نسبت به سایر الگوریتم ها عملکرد بهتری داشته باشد.

development of an enhanced multi-objective algorithm for optimal quality-aware web service composition in the internet of things

the emergence of the internet of things (iot) has intensified the focus on web service composition and the fulfillment of increasingly complex and diverse user requirements. iot-based systems often encounter numerous service candidates with varying qualitative attributes, presenting a significant challenge in selecting an optimal combination. this problem, categorized as np-hard, requires efficient approaches for resolution. this study proposes a near-optimal solution for web service composition in iot environments by leveraging the nsga-iii multi-objective metaheuristic algorithm to identify the optimal pareto front. to further enhance the quality and diversity of the solutions, an improved algorithm integrating nsga-iii with a novel fitness function is introduced. the proposed approach optimizes service composition using nine quality parameters, which are subsequently streamlined into three principal objectives for better computational efficiency. experimental evaluations demonstrate that the proposed method outperforms the baseline nsga-iii algorithm in terms of the average performance of two out of three objectives. additionally, the approach achieves an average of 11% higher coverage based on performance indices and exhibits superior solution distribution and dispersion compared to alternative algorithms.