DDAPSO: Hybrid Discrete Dragonfly Algorithm and Particle Swarm Algorithm to Service Selection and Composition for the Internet of Things Applications
Notice bibliographique
Résumé
Recently, the Internet of Things (IoT) has quickly risen as one of the most essential technologies of this century. IoT allows users to connect to a vast network of smart devices, services, and data. An important and challenging research problem in the Internet of Things applications is how to select an appropriate service selection (SS). In the SS problem, users can combine several services from diverse sources (things or devices) to satisfy their needs. On the other hand, the SS problem is known for its complexity and is categorized as an NP-hard problem; such problems are typically solved utilizing heuristics like bio-inspired algorithms. In this research a new bio-inspired algorithm called DDAPSO is created to solve the SS problem where a new strategy is proposed to maintain a balance between the exploration and exploitation abilities. This hybrid algorithm is the result of coupling a Discrete Dragonfly Algorithm (DDA) with the particle swarm optimization algorithm (PSO). The suggested algorithm was properly tested using a variety of scenarios with different numbers of services and with different numbers of concrete services per each service set or task. The proposed algorithm is compared with the main recent well-known algorithms, i.e. GA, PSO, DDA, ABC and MVO for service selection. In a large-scale setting, the results clearly show that the DDAPSO algorithm outperforms other services selection algorithms reported in the literature in terms of selection optimally as well as execution time.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».