一种基于区块链智能合约的Web服务组合生成方法

技术领域

本发明涉及区块链技术领域，具体涉及到一种基于区块链智能合约的Web服务组合生成方法。

背景技术

区块链技术最初来源于比特币，2008年11月，中本聪(Satoshi Nakamoto)发表了比特币白皮书，由此标志比特币的诞生。两个月后，比特币从理论转为实践。在接下来的几年里，区块链成为比特币的核心组成部分。

区块链是一种链式存储结构，基本单位是一个个区块，当交易信息验证通过后便永久存储在区块上。它能够使得各个节点在不需要相互信任的条件下达成交易，解决传统方式中第三方交易机构数据不安全、效率低下、成本较高等问题，在不同领域都有广泛的应用。

最近几年来，区块链技术的快速发展给Web服务组合问题带来新的解决方案。区块链技术主要有两点优势：(1)去中心化；(2)不可篡改。相对于传统交易平台，该技术成功摆脱了第三方平台的限制。经过自动调用区块链上部署的智能合约，然后执行Web服务组合算法，最后将服务商与用户达成的协议写入区块链中，并且交易双方不得更改，这有效弥补了传统方法对于可靠性和安全性方面的不足。

对于Web服务组合算法方面，传统多目标灰狼优化算法中，存在算法后期收敛速度较慢，容易陷入局部最优等问题。因此，本专利对该算法进行改进，有效弥补传统算法不足。

发明内容

该发明的最主要目标是能够确保用户和服务提供商在缺信环境中进行安全交易，摆脱第三方交易平台依赖，自动调用Web服务组合核心算法(改进的多目标灰狼优化算法)，并且根据不同用户需求，在满足用户需求功能的情况下达到最优的服务质量。

具体提供了一种基于区块链智能合约的Web服务组合生成方法，包括如下步骤，

S1：用户在以太坊上同步部署智能合约；

S2：不同节点的服务提供商利用同步的智能合约发布其所提供的Web服务信息；

S3：用户通过调用智能合约触发Web服务组合核心算法，获得当前适合用户的Web服务组合；

S4：用户选择服务商提供的服务后，智能合约将所有关于Web服务组合的信息存储在区块链上。

进一步的，所述步骤S2中，服务提供商需提交其签名信息，便于在非对称加密中进行认证身份。

进一步的，所述步骤S3中，Web服务组合核心算法选用改进的多目标灰狼优化算法，将收敛因子变为余弦变化，具体为，

其中，MaxIt为最大迭代次数,t为迭代次数。

进一步的，所述步骤S3中，采用Boltzmann选择策略选择第n个灰狼为领导者狼的概率P

T＝T

其中，f

进一步的，所述步骤S3中，采用QoS来选择Web服务组合，不同的Web服务组合之后，作为一个整体，拥有Web服务组合序列，全局QoS值，以及每个QoS指标的权重三个属性，将Web服务组合模型定义为一个三元组S:＝(s,q

本发明具有以下有益效果：

本发明的有益效果：由于大量Web服务有着相近或相同的供能属性，为了给用户提供最优的服务质量，目前解决方案有精确算法和启发式算法等。然而这些解决方案严重依赖第三方交易平台。因此，本发明利用区块链去中性化，不可篡改等特性，为用户和Web服务提供商构建了一个安全可信的交易环境，摆脱了第三方平台限制，更加安全可靠。直接将交易信息写入区块链中，交易双方不得违约，提高Web服务组合可靠性和安全性。并且使用优化的多目标灰狼优化算法解决Web服务组合问题。该算法收敛速度快，不容易陷入局部最优，种群多样性丰富，在寻优精度和求解质量方面都有了显著的提升，有效弥补传统方法的不足。

附图说明

图1为基于区块链智能合约的Web服务组合方法流程示意图；

图2为本发明所提供的基于区块链智能合约的示意图；

图3为本发明所提供的Web服务组合智能合约设计流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供一种基于区块链智能合约的Web服务组合方法，参考图1所示，具体包括如下步骤：

S1：合约准备阶段，用户将智能合约部署在以太坊上，合约部署成功后，其余以太坊节点同步更新数据；

用户U1首先会把智能合约部署在以太坊节点1上，当矿工拿到合约的执行权利后，会验证用户U1的身份。若验证成功，其余以太坊节点会更新区块链数据。

S2：合约执行阶段，不同的服务提供商处于不同的节点上，服务提供商利用同步的智能合约发布自己提供的Web服务信息，用户通过调用智能合约触发Web服务组合核心算法(改进的多目标灰狼优化算法)，找到当前最适合用户的Web服务组合；

实例中，服务提供商S1,S2和S3分别分布在不同的节点上，他们可以提供不同的Web信息服务，并将这些信息通过智能合约发布出去。这些信息将存储在区块链上。同时，用户可以通过智能合约中特定方法触发Web服务组合核心算法(改进的多目标灰狼优化算法)，从中选出满足用户需求的最优结果。

本方案中，采用QoS来选择Web服务组合，不同的Web服务组合之后，作为一个整体，拥有Web服务组合序列，全局QoS值，以及每个QoS指标的权重三个属性，将Web服务组合模型定义为一个三元组S:＝(s,q

S3：合约结束阶段，用户选择服务商提供的服务后，智能合约将所有关于Web服务组合的信息存储在区块链上。

如图3所示，在最后阶段，用户U1选择Web服务提供商S1与S3提供的服务，此时，他们在协议上达成一致。于是，智能合约调用方法将所有相关信息存储在区块链上。

根据改进的多目标灰狼优化算法，相比于传统多目标灰狼优化算法，其改进地方在于：

S41：收敛因子调整：传统的多目标灰狼算法线性变化的收敛因子会使得该算法在前期探测能力不足。另一方面，灰狼个体只能在一些集中分布的区域搜索解，使得种群多样性较少，因此算法容易陷入局部最优。改进的多目标灰狼算法将收敛因子变为余弦变化。改进后，收敛因子随着迭代次数的增加进行余弦变化。在算法执行前期，收敛因子的下降速度慢，算法执行后期，收敛因子的下降速度变快，因此，算法拥有较强的探测能力，不易陷入局部最优，同时还能有效避免传统算法后期收敛速度慢的问题。

S42：选择策略调整：在传统灰狼优化算法中，当灰狼个体所在的网格中的灰狼的数量越少时，此网格中的灰狼越可能被选为领导者狼。这种领导狼选举策略容易使得算法过早收敛，从而无法得到多目标优化问题的近似最优解。因此使用Boltzmann选择策略。当执行Boltzmann选择策略时，提高了群体的多样性(即解的多样性)。在算法执行的后期阶段，算法向最优解逼近的速度加快，从而缓解了算法后期收敛速度慢的问题。

改进的多目标灰狼优化算法，其特征在于，所述收敛因子公式为：

/>

其中，MaxIt为最大迭代次数，t为迭代次数。

本发明采用的Boltzmann选择策略选择领导者狼。其中f

T=T

在传统算法中，领导者狼的压力始终保持在一个恒定值。而Boltzmann选择策略可以动态调节领导者狼的选择压力值，避免陷入局部最优解。

为了验证MBB-MOGWO算法有效性，实验使用基准测试函数进行验证，其中包括UF2,UF5,UF9,ZDT2。并与其余两种多目标优化算法(NSGA-II,MOGWO)进行比较，统计评价参数HV(hypervolume),RGD(reverse generation distance),Spread值，最终结果如下：

表1：不同算法评价指标对比

由表可以看出，大部分情况下，本发明给出的算法得到指标更优。

本发明的有益效果：因为大量Web服务有着相近或相同的供能属性，为了给用户提供最优的服务质量，目前解决方案有精确算法和启发式算法等。这些方案严重依赖第三方平台。因此，本发明利用区块链去中性化，不可篡改等特性，为用户和服务提供商构建了一个安全可信的交易环境，摆脱了第三方平台限制，更加安全可靠。直接将交易信息写入区块链中，交易双方不得违约，提高Web服务组合可靠性和安全性。并且使用优化的多目标灰狼优化算法解决Web服务组合问题。该算法收敛速度快，不容易陷入局部最优，种群多样性丰富，在寻优精度和求解质量方面都有了显著的提升，有效弥补传统方法的不足。

以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。