蚁群算法在Web服务组合中的应用

为了在服务组合过程中高效地发现、选择满足用户要求的Web服务,提出基于蚁群算法的多目标优化组合用以实现用户对组合服务质量的需求。该方法根据不同Web服务的QoS属性指标,选择相应的Web服务得到Pareto最优解集合,用户根据实际需要或对目标函数的偏好,从Pareto最优解集中挑选一个或多个解作为组合服务质量问题的最优解,从而形成最后的决策方案。从理论和实验2个方面与相关研究成果进行分析比较。     

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。     

P_MOEA:一种多目标决策辅助遗传算法用于服务组合QoS优化

在服务组合场景下,SLA约束下的服务组合优选是实现服务质量管理的重要基础之一.服务组合优选既是一个组合优化问题同时也是多目标决策问题,需要高效的算法以支持大规模的候选组合方案集合,同时也需要有效的评价模型来明确定义候选方案的优劣程度,从而为决策者提供支持.现有的服务组合优选方法多基于两种模型定义其优化目标:线性效用函数和Pareto最优.前者需要量化权重配置以定义效用函数,但是对于用户来说精确的量化权重配置是一个非常困难的任务,特别是在涉及到的QoS维度较多时;后者无需权重配置,将Pareto最优的skyline集合作为优化结果返回给用户,然而skyline集合的规模是不可控的,最优结果集的规模会随着问题的规模增大而显著增大,过大的最优结果集显然难以为决策者提供有效参考.针对上述传统方法的不足,在本文中,我们将PROMETHEE方法引入服务组合优选问题,结合Pareto和PROMETHEE两种评价模型,将skyline集合基础上的Top-k PROMETHEE最优方案作为优化目标,提出并实现了一个高效的遗传算法:PMOEA.算法可以针对大规模问题,高效地返回Top-k PROMETHEE最优组合方案集合,从而为进一步的决策提供有效的参考.我们实验验证了算法的效率和有效性.     

基于SPEA2+算法的Web服务选择研究

服务选择算法是影响组合服务的QoS和服务组合性能高低的关键因素。针对将多维QoS属性加权聚合为一个目标函数进行优化的选择算法不能实质性地解决基于QoS的Web服务选择问题,采用改进的强度Pareto进化算法（SPEA2+）多目标优化求解该问题,设计了一种Web服务选择算法。该算法在满足声誉、可靠性和可利用性属性的约束下,同时最小化服务时间T和服务费用C,以产生Pareto最优解集。通过与运用SPEA2算法求解该问题的实验对比,表明了两算法所获取的Pareto最优解集中QoS属性T和C各均值各有优劣,用户可依据对T或C的偏好择优选择。     

基于QoS多目标优化的Web服务组合方法

为了确保在服务组合中获得Pareto最优解集,把服务组合建模为多个服务质量属性同时优化的多目标优化问题,提出了一种依据服务质量属性类型的通用预处理方法,采用多个信息素表和单个启发式信息表的多目标蚁群算法,蚂蚁随机选择一种信息素表建构可行解,每个蚁群周期完成后所有信息素都会蒸发,但每个优化函数只有一个最优解获得信息素增加,经过多过蚁群周期后即可解获得最优解集.实验结果表明,该方法可为Web服务组合提供一种很好的优化方案,具有很高的准确率.     

基于Pareto解集的Web服务组合推优方案

本文针对已有的Web服务组合解决方案的不足,提出一种针对多目标的新的Web服务组合优化方案。利用粒子群算法的寻优原理,结合其他的进化算法,对粒子位置的更新策略重新进行新的定义,来模拟组合过程,同时优化多个目标,通过多次迭代更新,产生一组满足相应约束条件的Pareto最优解集推荐给用户。从理论和实验两个方面证明了本文方案的可行性和有效性。     

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.     

增强多目标遗传算法下的组合服务的容错能力

利用多目标遗传算法得到一组满足约束条件的最优非劣方案集,用户根据实际需要从中选择满意的组合方案,同时,未被选择的流程作为备选方案以便发生意外时替代执行。提出了最优非劣方案的失效成功率和基本服务的相容性计算方法,选择可用性高且失效成功率较高的组合方案,以便执行发生意外时组合服务有较高的概率成功切换到备选方案继续执行,增强了组合服务执行的容错能力。实验结果说明了该方法的可行性和有效性。     

基于克隆选择算法的新型多目标派梯策略

把Pareto解集应用到电梯群控系统多目标权重值确定的研究中,采用随机权重法,一次生成多组不同权重值,并对各权重值下生成的派梯方案求取Pareto最优解,能够一次得到多组不同最优派梯方案,为研究人员决策提供了更多直观的数据;根据优缺点互补特性,将梯度下降算子加入克隆选择算法,加快其后期收敛速度,以随机层间均衡交通流为乘客流,将混合算法与克隆选择算法应用于电梯群控系统中寻找节能策略,混合算法一定程度上优于克隆选择算法。     

具有约束多目标优化的进化算法

针对带有约束多目标优化问题,提出一种多目标优化进化算法。在选择过程中,采用约束的Pareto支配和聚集距离定义适应值,根据适应值挑选出有代表性的个体。在变异过程中,沿着权重梯度方向搜索来寻找可行的Pareto最优解。最后,采用两个数值算例测草算法的性能,结果表明该算法能获得多目标约束优化问题的可行Pareto最优解并且具有较好的分散性。     

一种服务聚合中QoS全局最优服务动态选择算法

Web服务作为一种新型的Web应用模式,近年来得到了迅速的发展.如何动态地把现存的各种Web服务整合起来以形成新的、满足不同用户需求的、增值的复杂服务已成为新的应用需求和研究热点.针对现有服务聚合中服务选择技术的不足,提出了一种解决服务聚合中服务动态选择QoS全局最优化问题的实现算法GODSS(global optimal of dynamic Web services selection).算法的主要思想是把服务动态选择全局最优化问题转化为一个带QoS约束的多目标服务组合优化问题,利用多目标遗传算法的智     

一种满足马尔可夫性质的不完全信息下的 Web服务组合方法

针对满足马尔可夫性质的服务组合过程给出了按照用户服务质量(QoS)要求的服务组合方法．首先,提出了一种支持QoS属性描述的Web服务描述模型,并实现了对组合服务整个生命周期的QoS信息描述．在此基础上提出了基于多目标决策理论和k臂赌博机理论的服务选择算法,与同类方法相比,该方法可以在不完全信息下根据用户对QoS属性的偏好来选择合适的候选服务进行组合．最后,给出了QoS驱动的服务组合框架E-WsFrame和具体实现,并分析了实验结果．实验表明E-WsFrame可以综合考虑服务组合的功能要求和QoS要求,从而根据服务请求实现服务的自动组合．     

基于粒子群算法的Web服务组合研究

针对现有服务组合中QoS优化的不足,该文提出一种基于粒子群算法的解决QoS动态服务组合算法。通过对服务组合的业务逻辑与服务实例进行合理编码,重新定义粒子的位置、速度与“加”运算,利用粒子群算法的智能优化原理以及局部与全局优化信息加快粒子群的搜索速度,使其能够快速地得到一组满足约束条件的Pareto优化的服务组合。实验结果证明了算法的可行性和有效性。     

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。     

Research on dynamic business composition based on web service proxies

Web services-based business composition brings a number of advantages to the enterprise application development. How to select and compose the web services based on their functionality and QoS (Quality of Service) dynamically prove to be more and more important. In this paper we develop a proxy-based framework to compose Web services dynamically. The framework is featured with a QoS model, an effective service discovery and selection algorithms to facilitate the dynamic integration of Web services and management of abnormalities. Furthermore, a business process constructing method based on service slice is put forward to satisfy the users’ personalized requirements more effectively and flexibly. Our study concerns both functionality and QoS characteristics of Web services to identify the optimal business process solutions. A Complete case study is also included in this paper and the performance demonstrated that the framework and algorithms can provide a tangible and reliable solution to dynamic Web service composition and adaptation.     

Extensible soft semantic web services agent

Web services technology is critical for the success of business integration and other application fields such as bioinformatics. However, there are two challenges facing the practicality of Web services: (a) efficient location of the Web service registries that contain the requested Web services and (b) efficient retrieval of the requested services from these registries with high quality of service (QoS). The main reason for this problem is that current Web services technology is not semantic-oriented. Several proposals have been made to add semantics to Web services to facilitate discovery and composition of relevant Web services. Such proposals are being referred to as semantic Web services (SWS). However, most of these proposals do not address the second problem of retrieval of web services with high QoS. In this paper, we propose a framework called soft semantic Web services agent (soft SWS agent) for providing high QoS Semantic Web services using soft computing methodology. Since different application domains have different requirement for QoS, it is impractical to use classical mathematical modeling methods to evaluate the QoS of semantic Web services. We use fuzzy neural networks with Genetic Algorithms (GA) as our study case. Simulation results show that the soft computing methodology is practicable to handle fuzzy and uncertain QoS metrics effectively.     

基于动态QoS的Web服务组合

在Web服务组合中,现行的几种QoS衡量标准都将重点放在单个Web服务本身的质量上,而忽视了Web服务动态特性、组合特性以及服务组合中的网络特性。另外,在诸多服务组合的算法中,都只是强调组合服务的总体质量,却忽略了用户对某些质量属性的约束条件,从而导致服务重计算问题经常发生。为此,考虑了服务动态特性以及服务间的协作关系对组合服务质量的影响,提出了动态QoS模型;同时,综合了用户的质量约束以及组合服务的整体质量,将用户的质量约束引入服务组合流程中。最后通过实验证实了所提出的动态QoS模型能够根据服务实体的实时情况计算服务质量,同时将用户的质量约束引入服务组合流程中,有效地避免了服务重计算问题。     

基于价格进程代数的Web服务组合描述和成本分析

进程代数可有效地用于Web服务组合的描述和验证,然而缺乏对服务组合成本建模和分析的能力.提出一种扩展了价格信息的进程代数PPA, 在CCS基础上为进程动作和状态扩展价格函数, 给进程动作的执行标记价格,给进程的迁移状态标记成本.给出了PPA的语法和语义,定义了PPA成本弱互模拟并分析了其与CCS弱互模拟的关系,证明了PPA在CCS基础上扩展了成本建模能力,给出了成本状态空间构造算法,该算法支持选择成本优化的组合服务.实验分析了PPA用于Web服务组合成本建模和分析的可行性.     

Web服务动态组合中QoS计算方法研究

通过在Web服务动态组合中引入形式化的服务质量(QoS)描述、服务提供商因子、服务消费者因子,提出基于层次分析法的QoS计算方法。该方法根据服务消费者期望值选择QoS因子,利用QoS权重值计算Web服务的质量,在此基础上给出一个基于QoS计算的Web服务组合模型,并通过实例计算,证明利用该QoS计算方法可以得到更高质量的增值服务。