情景感知的物流Web服务动态优化组合研究

第四方物流服务通过大规模的资源整合,可以将领域内优秀的物流服务组合起来,为用户提供技术、仓储、运输服务等最佳结合的物流服务方案,实现物流服务的低成本、高效率、实时运作.然而,如何高效、动态地构建满足用户服务质量需求的可靠物流服务组合,是第四方物流服务商亟需解决的关键问题.针对这一问题,提出了一种情景感知的物流Web服务动态组合方法,该方法首先基于改进的遗传算法,将用户提出的全局QoS约束分解成局部QoS约束,从而将QoS感知的物流Web服务组合这一全局优化问题转化成局部最优服务选择问题;然后,在物流服务流程执行的过程中,依据当前关键的情景信息,选出可用并且能够满足局部QoS约束的最优物流服务;最后,通过实验验证了所设计方法的可行性和有效性.     

具有局部和全局QoS约束的Web服务选择

提出一种具有局部和全局QoS约束的Web服务选择算法.将基于QoS的Web服务选择问题建模为带QoS约束的多目标组合优化问题,使用局部QoS约束过滤不满足约束条件的候选服务,通过归档式多目标模拟退火(AMOSA)算法同时优化多个QoS目标函数以产生一组Pareto优化解,利用全局QoS约束筛选出满足约束条件的Pareto最优解集.实验结果证明了该算法的有效性.     

基于QoS的两阶段Web服务选择方法

分析了已有的服务选择方法所存在的不足,根据基于QoS的服务选择方法类型的特点,提出采用QoS属性计算与QoS语义二者结合的方法进行服务选择.通过功能分类、服务相似度比较、QoS排序选择筛选掉大量Web服务,降低了全局算法的计算量,通过最短路径算法进行服务选择克服了局部优化无法考虑全局QoS约束的缺点,达到既满足组合服务中单个服务选择的局部约束条件,又满足组合服务全局约束条件的效果,最终使用户得到相对最优的组合服务.最后通过实例对提出的方法进行了验证.     

QoS全局最优的多目标Web服务选择算法*

针对现有方法的不足,提出一种基于QoS全局最优的多目标动态Web服务选择算法。在给出动态服务组合模型的基础上,以“抽象服务规划”为输入,以用户的非功能性需求为全局约束,将动态服务选择问题转换为一个带QoS约束的多目标服务组合优化问题;利用多目标蚁群算法,多个目标函数被同时优化并产生一组满足约束条件的Pareto优化解。通过运用实验与基于多目标遗传算法的Web服务选择算法进行对比,证明了该方法的可行性和有效性。     

基于多目标粒子群优化算法的Web服务组合

基于服务质量(QoS)的Web服务组合是一个非线性、多目标优化求解问题,属于NP难问题.提出一种多目标粒子群优化算法来求解基于QoS的Web服务组合问题,在Web服务组合模型中考虑了服务执行代价、时间、可用性等五方面的因素.针对基于QoS的Web服务组合特点,借鉴运动学速度分解原理对粒子每维的速度进行相应分解,采用多目标指导粒子的飞行;基于Pareto支配关系来更新粒子的个体极值,采用精英归档技术维持种群多样性,粒子的全局极值由外部档案库中的非劣最优解提供;针对粒子群易陷入局部最优问题,采用了变异策略来改善.与基于遗传算法的Web服务组合算法相比,基于多目标粒子群优化的Web服务组合算法可以快速收敛,并获得综合QoS较好的解.     

基于位置聚类和张量分解的Web服务推荐算法

基于服务质量（QoS）的Web服务推荐能在众多功能相似的Web服务中发现最能满足用户非功能需求的Web服务,但QoS属性值预测算法仍存在预测准确度不高和数据稀疏性的问题。针对以上问题,提出了一种基于位置聚类和分层张量分解的QoS预测算法ClustTD,该算法基于用户和服务的位置属性将用户和服务聚类成多个局部组,分别对局部组和全局的用户、服务和时间上下文进行张量建模和分解,将局部和全局张量分解的QoS预测值进行加权组合,同时考虑了局部和全局因素,获得最终QoS预测值。实验结果表明,该算法具有较高的QoS预测准确率和Web服务推荐质量,并能在一定程度上解决数据稀疏性问题。     

遗传算法在Web服务组合中的应用

在Web服务组合的过程中,面对众多提供相同或相似功能的Web服务,根据每个服务的非功能属性即服务质量(QoS)进行服务选择是当前的研究热点.本文研究了基于多维QoS的带偏好和约束的服务组合优化问题,提出了基于QoS的全局最优问题模型,并设计了一种遗传算法(Genetic Algorithms, GAs)求解.模拟结果表明遗传算法适合求解一般的服务组合优化问题.     

随机QoS 感知的可靠Web 服务组合

在面向服务的环境下,单个Web 服务往往不能满足用户的要求,这时就需将已有的单个Web 服务进行组合,以便产生满足用户需求的、增值的组合服务.已有的服务组合方法都很少考虑Web 服务的随机性和Internet 环境的动态性,从而在服务选择过程中产生的规划都是静态规划,结果导致在服务组合时都以较大概率出现组合失败.针对上述问题,提出了Web 服务各随机QoS 指标的度量方法和自适应QoS 管理体系结构,并利用随机型离散事件系统唯一的动态控制方法——马尔可夫决策过程(MDP),设计出随机QoS 感知的可靠Web 服务组合算法.实验结果表明,考虑随机性的QoS 度量方法和QoS 管理体系结构,以及平衡了“风险”与“报酬”的MDP 有效地提高了服务组合成功率.     

一种业务流程QoS有保障的动态服务组合方法

为了使动态组合后形成的基于Web服务的业务流程不仅能够完成业务流程分配的任务，即满足局部约束，还能够与业务流程中完成其他任务的Web服务协作，使整个业务流程QoS有保障，达到全局最优，本文提出了一种基于遗传算法的方法来对问题进行求解。实验结果证明了文中方法的有效性。     

一种面向SOA业务恢复的服务选择算法

针对SOA业务恢复的服务选择问题,本文提出了一种QoS近似全局最优的服务选择算法GALSA:首先利用GA算法将全局QoS约束分解为最优的局部QoS约束,然后利用LSA算法选取出满足局部QoS约束的最优服务。算法不仅能作用于服务重构的服务选择过程中,而且在单个服务节点失效时亦能选取出满足全局QoS约束的服务进行替换。理论分析与实验结果说明了算法的可行性和有效性。     

基于事例推理的Web服务QoS动态预测研究

随着面向服务计算技术的发展,网络上出现了大量功能相同而服务质量(QoS)有很大差别的Wcb服务,QoS逐渐成为评价和选择Web服务的重要依据。目前常用Web服务历史QoS的算术平均值来近似服务的QoS,这种度量方法没有考虑Wcb服务QoS的动态性,不能准确地度量Wcb服务的QoS,从而造成被选择的Wcb服务以较大概率不能满足用户的QoS需求。针对这一问题,提出了一种基于事例推理(C13R)的QoS动态预测方法,该方法将Web服务的QoS与服务的外界环境、所处理的任务类型、任务大小关联起来,利用事例推理技术预测Web服务处理新任务时的QoS。实验结果表明,该预测方法能有效地提高Wcb服务QoS的准确度。     

基于云模型的不确定性QoS 感知的Skyline 服务选择

由于传统QoS感知的Web服务选择方法无法保证服务选择的可靠性和实时性,提出了一种基于云模型的不确定性QoS感知的Skyline服务选择方法.该方法首先通过云模型计算QoS的不确定性,然后采用Skyline计算提取Web服务中的Skyline服务,剔除冗余服务,最后采用混合整数规划在Skyline服务中进行服务选择.在公共有效数据集和合成数据集上的实验结果表明,所提出的方法能够为用户提供可靠、快速的服务选择.     

基于协同过滤的个性化Web服务选择方法

对传统的Web服务选择算法进行分析,并指出其在动态环境下存在的问题。为了解决该问题,提出了基于协同过滤算法的个性化Web服务选择方法,并设计了一个动态的Web服务选择架构,架构使用协同过滤算法对Web服务的服务质量(QoS)值进行预测并选择最优的Web服务以满足用户的需求。使用150万条真实Web服务的QoS数据与其他4类算法进行了对比实验,结果表明所提方法的可行性和准确性。     

随机QoS感知的Web服务组合概率分析

运行环境的开放性和动态性使Web服务的QoS具有内在的随机性。由QoS具有随机性的Web服务构造而成的组合服务,其QoS也具有随机性,从而使组合服务用户面临QoS需求不能被满足的风险。利用基于重要性采样的仿真方法,在随机PERT网络中对Web服务组合的QoS进行概率分析,以评估组合服务的QoS风险。方法通过一个简单的分布函数,引入权重函数以实现对目标分布函数的无偏估计。以实际的Web服务QoS数据为基础进行实验,对重要性采样技术和蒙特卡洛仿真的合理性和效率进行了对比,结果显示利用重要性采样技术进行组合服务QoS概率分析具有更高的精度与效率。     

基于灰色关联分析的Web服务选择

为方便用户选择最优Web服务,利用灰色系统理论对Web服务质量QoS属性因子进行分析,提出了一种基于用户QoS偏好的Web服务灰色关联分析方法。考虑到Web服务QoS的不确定性,该方法使用区间对Web服务QoS值进行建模。为了确定候选服务的QoS与用户QoS需求的符合程度,先针对服务的每个QoS属性,计算其与用户QoS需求的灰色区间关联系数;然后结合各个QoS属性的关联系数计算候选服务的QoS与用户QoS需求的综合灰色区间关联度,关联度越大的服务越符合用户的要求;最后从满足用户功能需求的Web服务中选择灰色关联度最大的Web服务推荐给用户。与其它Web服务评价模型相比较,该模型更加符合Web服务QoS的实际情况,能够在服务QoS信息不充分、不确定的环境下,对QoS属性进行合乎实际的分析处理,从而得到更加合理有效的QoS评价。     

Web服务质量动态预测方法研究

随着面向服务计算技术(SOC)的快速发展,网络上出现了大量功能相同而服务质量(QoS)有很大差别的Web服务,QoS成为评价和选择Web服务的重要依据。由于Web服务所在环境的开放性,使得Web服务的QoS具有很强的动态性,如何精确地预测Web服务的QoS成为影响服务选择和服务组合质量的关键问题。对当前已有的Web服务QoS动态预测方法进行了深入的剖析,指出了现有QoS动态预测方法的优点与不足,讨论了未来的研究方向;明确了存在的关键问题以及未来的发展方向。     

A probabilistic approach to modeling and estimating the QoS of web-services-based workflows

Web services promise to become a key enabling technology for B2B e-commerce. One of the most-touted features of Web services is their capability to recursively construct a Web service as a workflow of other existing Web services. The quality of service (QoS) of Web-services-based workflows may be an essential determinant when selecting constituent Web services and determining the service-level agreement with users. To make such a selection possible, it is essential to estimate the QoS of a WS workflow based on the QoSs of its constituent WSs. In the context of WS workflow, this estimation can be made by a method called QoS aggregation. While most of the existing work on QoS aggregation treats the QoS as a deterministic value, we argue that due to some uncertainty related to a WS, it is more realistic to model its QoS as a random variable, and estimate the QoS of a WS workflow probabilistically. In this paper, we identify a set of QoS metrics in the context of WS workflows, and propose a unified probabilistic model for describing QoS values of a broader spectrum of atomic and composite Web services. Emulation data are used to demonstrate the efficiency and accuracy of the proposed approach.     

物联网环境下基于情境的语义Web服务选择

当前Web服务海量增加，物联网应用技术快速发展、不断普及，而现有的Web服务选择算法低效、用户匹配度低。针对该问题提出一种物联网环境下基于情境的语义Web服务选择方法。该方法应用QoS参数的无量纲化与语义Web服务动态选择方式，将物联网环境下服务与语义Web服务相结合，并根据用户需求针对QoS选择最优的服务集。实验表明，该方法能有效地提高用户服务动态选择的成功率。     

基于QoS本体的Web服务描述和选择机制

随着Web服务数量的急剧增长,如何从大量功能相似的Web服务中选择具有最好的服务质量(Quality of Service,QoS)的Web服务成为研究的热点.提出了一种基于QoS本体支持QoS的服务选择方法,用QoS本体以及相应的词汇来描述QoS数据,基于以上的工作,提出了一种支持QoS的选择机制,将QoS参数的语义匹配度和数值匹配度相结合,利用归一化算法对不同类型的QoS参数取值进行标准化,最后提出了一个公平的,动态的选择机制和相关实验结论.