PPDRL: A Pretraining-and-Policy-Based Deep Reinforcement Learning Approach for QoS-Aware Service Composition

Table 3

The QoS values (mean and variance) on six different test cases.

Problem #	PPDRL		MCOP_M		GA		PTR		QLR		DQN
	Mean	Var	Mean	Var	Mean	Var	Mean	Var	Mean	Var	Mean	Var
Nodes 10	0.32	0.00	0.24	2.22e − 3	0.32	0.0000	0.29	6.83e − 5	0.29	1.19e − 4	0.25	2.45e − 4
Nodes 30	0.31	0.00	0.13	4.23e − 3	0.28	4.38e − 3	0.13	1.55e − 5	0.12	5.54e − 5	0.05	1.44e − 4
Nodes 50	0.20	0.0000	0.08	1.37e − 3	0.20	1.07e − 7	0.13	7.12e − 6	0.13	4.83e − 6	0.06	3.32e − 4
Nodes 70	0.15	6.64e-12	0.06	2.89e − 4	0.14	1.02e − 6	0.07	1.49e − 5	0.07	2.22e − 5	0.02	1.72e − 4
Nodes 90	0.14	0.0000	0.05	4.30e − 5	0.13	4.56e − 6	0.04	6.50e − 5	0.03	7.36e − 5	-0.02	3.48e − 5
Nodes 100	0.20	7.54e-7	0.09	4.30e − 4	0.18	2.31e − 6	0.09	2.57e − 5	0.08	2.31e − 4	0.05	5.18e − 4