基于遗传算法的QoS感知的Web服务选择

提出一种用于QoS感知的Web服务选择的遗传算法．该算法采用关系矩阵编码方式,克服了一维编码方式表示的局限性,并且可以通过简单的方法来表示组合服务重计划及Web服务循环路径等情况,通过该算法一次运行,就可以从所有组合路径的组合方案中选出满足用户QoS需求的组合方案,而一维编码遗传算法在多路径情况下需多次编码、多次运行．算法还采用一种变异策略来提高算法的适应度．通过仿真比较,关系矩阵编码遗传算法比一维编码遗传算法获得了更优解,变异策略在提高算法适应度方面也发挥了作用．     

基于QoS生命周期管理的服务组合在线优化方法

针对当前基于QoS的Web服务组合研究仅限于QoS生命周期的某一环节,提出了一个支持QoS生命周期管理的Web服务框架,基于该框架研究了服务组合在线优化的方法,提出了自动修正判断矩阵的层次分析法来实现基于QoS的在线局部优化策略。该方法针对因各种原因用户只能提供各QoS属性之间的相对重要性,而不能提供全局的QoS需求的应用场景,提供了一种在线局部优化解决方案。     

一种工作流环境下能耗感知的多路径服务组合方法

当前,服务组合方法只考虑组合服务QoS的优化而不考虑组合服务的能耗优化.针对这一问题,文中首先根据不同情况提出了两种服务能耗模型;其次在基于工作流的服务组合环境下,提出了一种能耗感知的多路径服务组合方法 EAMSC.该方法对服务组合的能耗优化问题进行了数学建模,并提出了一种基于启发式的多路径服务组合算法,该算法包括两个部分:一是组合服务的可行路径查找,即在满足端到端QoS约束的前提下找出若干条可行的服务组合路径;二是请求速率的分配,即在可行的服务组合路径上依据服务能耗模型分配请求流量以降低组合服务的总体能耗.最后,仿真实验结果表明:能耗感知的多路径服务组合方法与传统的服务组合方法相比,能够在保证端到端QoS约束的基础上有效地减少组合服务的总能耗.     

基于树型编码遗传算法在Web服务选择中的应用

提出一种基于QoS的Web服务选择的遗传算法（TGA）。该算法采用树型编码,携带流程的静态模型结构信息,可实现染色体的自动编解码和存储适应值计算的中间结果,并且可以通过简单的方法有效支持组合服务运行时重计划。通过仿真实验,验证了在同等优化效果下,TGA比一维编码遗传算法获得了更快的速度,并验证了树型编码用于流程运行时重计划的有效性。     

基于树型二重结构编码遗传算法的服务选择

提出了Web服务语法业务流程树的概念,并结合基于QoS的Web服务全局选择的特点,研究了一种用于组合服务QoS优化的基于树型二重结构编码的遗传算法GATD。该方法建立在服务语法业务流程树先序遍历序列编码的基础上,采用二重编码方法处理用户的QoS约束条件,不仅能够有效地选择出满足用户QoS需求的服务资源,而且可以较好地支持服务运行时快速再规划。     

基于有向层次图的Web服务自动组合方法

为解决多输入/输出的Web服务自动组合问题,提出了基于有向层次图的Web服务自动组合方法,主要步骤如下：1）根据用户请求的输入/输出参数集生成有向层次图;2）在有向层次图中构造完全规约图;3）在完全规约图中计算每一顶点的所有可达路径;4）为用户请求选择最优路径,并转化为Web服务组合序列。该方法能够求得最短步数内的所有Web服务组合序列,根据Web服务的服务质量(QoS)获得最优的组合序列,从而满足多输入/输出的用户请求。与基于图的Web服务组合方法相比,减少了搜索空间,适用于大规模的Web服务库。     

一种支持模糊QoS属性的服务组合容错方法

提出了一种支持模糊QoS属性的服务组合容错方法,运用区间数的方式来描述那些带布模糊性的QoS需求,针对服务组合的特点,构建了服务组合容错框架,通过对服务组合运行时的QoS历史数据和实测值进行偏差度量,重点讨论了在组件服务QoS失效和组合服务QoS失效这两种情况下的容错处理策略。实验结果证明了该方法的有效性。     

基于组合服务执行信息的服务选取方法研究

组合服务选取问题是服务计算领域的一个研究热点问题,已往的选取方法大多基于难以准确获取的服务QoS信息,且算法思路复杂.文中提出了一种基于组合服务执行信息的服务选取方法.该方法分为3个阶段:数据生成阶段、数据挖掘阶段和服务选取阶段,分别进行组合服务执行信息的记载和相关数据集的生成、路径分支关联规则和服务执行顺序序列模式的挖掘以及基于挖掘产生的知识模式进行服务选取.文中首先给出一种可以方便记载日志的服务组合系统架构;然后提出一种基于时间加权的算法模型,以有效地进行路径分支关联规则和顺序序列模式的挖掘;最后对文中的组合服务选取方法进行描述.实验结果表明:文中方法在选取出的组合服务健壮性方面要优于基于QoS的方法.     

融合遗传蚁群算法的Web 服务组合研究

为了提高Web服务组合流程中服务选择技术的收敛性能,提出了一种基于遗传算法与蚁群算法相融合的多目标优化策略,用于解决基于QoS的Web服务组合问题。本文首先将Web服务组合的全局最优化问题转化为寻求一条QoS最优解的路径问题,并通过改进遗传算法得到蚁群算法中初始路径的信息素分布,再通过改进蚁群算法来求得最优解。仿真实验结果表明,该改进算法能在较少的进化代数下得到最优路径,提高了Web服务组合的快速全局搜索能力。     

基于用户视角的组合Web服务响应时间优化

针对响应时间,通过选择、调用合适的成员Web服务,对组合Web服务的QoS进行优化．该优化方法基于用户的视角,将组合Web服务运行时用户一次等待周期中需要执行的所有任务作为一个整体进行调度;同时根据组合Web服务流程的不同环节中用户对等待时间的不同敏感度,设置调度参数,降低关键环节超时的风险．实验表明,此方法可以有效地优化组合Web服务的响应时间,提高用户的满意度和QoS．     

面向突发故障的分布式多无人机任务重规划方法

针对分布式多无人机系统执行任务时发生故障的情况,提出一种面向故障的任务重规划方法.首先,依据分布式架构,考虑通信延迟约束,建立多无人机系统遭遇故障时的局部任务重规划问题模型,设计故障无人机、健康无人机的重规划框架.依此框架,考虑无人机调度时所需的空间、时间资源,根据故障后的无人机通信拓扑,制定子系统划分规则;然后,根据子系统内在线无人机与待执行任务间的映射关系,提出基于收益动态调整规则和一致性协调规则的拍卖算法,实现针对不同情况的任务重分配;最后,考虑任务重分配与航迹重规划间的耦合关系,在任务重分配阶段引入RRT*算法预估的航迹代价,使得分配结果更合理.仿真结果表明,在考虑实际环境中无人机会发生故障的情况,该方法能够有效完成任务重规划.     

A REPLANNING ALGORITHM FOR DECISION THEORETIC HIERARCHICAL PLANNING: PRINCIPLES AND EMPIRICAL EVALUATION

In this article, we present a replanning algorithm for a decision-theoretic hierarchical planner, illustrate the experimental methodology we designed to investigate its performance, and provide an evaluation of the algorithm. The methodology relies on an agent-based framework, in which plan failures can emerge from the interplay of the agent and the environment. Given this framework, the performance of the replanning algorithm is compared with the one of planning from scratch the solution to the planning problem by executing experiments in different domains. The empirical evaluation shows the superiority of replanning with respect to planning from scratch. However, the observation of significant differences in the data collected across planning domains confirm the importance of empirical evaluation in practical systems.     

基于价值迭代算法的最优渗透路径发现

渗透测试的核心是发现渗透路径, 但并不是所有的渗透路径都能够成功, 所以需要基于当前系统环境选择最优渗透路径. 在此背景下, 首先, 本文基于攻击图将环境建模为马尔可夫决策过程(Markov decision process, MDP)图, 使用价值迭代算法寻找最优渗透路径. 其次, 对于渗透测试过程中存在的渗透动作失效问题, 提出了一种新的重规划算法, 可以在MDP图中有效处理失效渗透动作, 重新寻找最优渗透路径. 最后, 基于渗透测试过程中存在多个攻击目标的情况, 本文提出了面向MDP图的多目标全局最优渗透路径算法. 实验证明, 本文提出的算法在重规划任务方面, 表现出了更高的效率和稳定性, 在多目标任务方面, 体现出了算法的有效性, 可以避免不必要的渗透动作被执行.     

基于对比优化的RRT路径规划改进算法

针对动态环境下机器人RRT路径规划算法缺乏稳定性和偏离最优解的问题,提出一种基于对比优化的RRT路径规划改进算法。算法在新一周期的环境下,通过对上一周期路径树进行剪枝和重新规划得到一条稳定的路径,同时利用基本RRT算法规划出一条新路径,通过对比两条路径得到较优解。仿真和真实机器人实验结果均表明,改进的算法提高了动态复杂环境下RRT路径规划的稳定性,并保证了规划的路径逼近最优解。     

移动机器人实时采样路径重规划

针对传统采样规划算法因随机性强,在动态环境中重规划时路径质量差,抖动严重,实时优化效果不明显等问题,提出了一种利用反向生长最优快速搜索随机树的实时采样重规划算法DRT-RRT*（Dynamic Real-Time RRT*）。引入基于三角不等式的剪枝策略对路径进行平滑处理以减少路径拐点;提出了组合采样策略和局部终点跳动策略,将优化目标由全局路径聚焦于机器人当前位置至最近路径拐点的局部路径段,实时对执行路径段进行修正,进而提高路径质量的稳定性;在路径重规划时仅对受影响的随机树枝进行修剪,并在随机树重新生长时引入了目标偏置采样策略,与组合采样策略共同作用,提高路径搜索速率和稳定程度;将DRT-RRT*与RRT*和增加了三角不等式剪枝策略的RRT*-Pruning进行仿真对比分析,实验结果验证了DRT-RRT*重规划的高效性和稳定性。     

基于遗传算法的多QoS约束服务选择

为了实时提供满足客户QoS需求的组合Web服务,提出了一种快速稳定的基于遗传算法的多QoS约束服务选择算法.首先根据基于QoS约束的组合服务选择问题的数学模型,提出了一个较为合理的数据预处理过滤方法以缩小搜索空间,然后使用遗传算法的思想构造算法,并在实验的基础上确定各项参数,最后使用新的算法完成可行解搜索.实验结果表明,与传统的整数规划算法相比,新算法具有运算速度较快、可满足实时性要求,并且在问题规模扩大时具有良好的可扩展性等特点.     

基于改进GA的神经网络航班保障时间估计

准确估计航班保障服务时间可以极大提高地面航班保障服务效率。采用主成分分析(PCA)方法降低变量间的相关性,考虑到BP神经网络的网络结构难以确定,且网络初始权重、阈值随机,提出改进的遗传算法来优化BP神经网络的结构,初始权重、阈值,建立自适应多层遗传算法(AMGA)的BP神经网络航班保障服务时间估计模型。为验证所提AMGA-BP算法的性能,以国内某枢纽机场航班保障服务时间作为研究对象,与传统的GA-BP、BP两种算法做对比实验,进行航班保障服务时间估计,实验结果表明,AMGA-BP算法比BP算法和GA-BP算法精确度更高。     

A service process optimization method based on model refinement

Due to the limited functionality of a single Web service, a group of Web services often need to be linked together, working as an integrated service process, to provide value-added functions. One of the key issues in modeling such an integrated service process, in addition to the functions it can provide, is the assurance of service quality. As Web services have become increasingly popular, a number of Web services with similar functions but different qualities can be readily found on the Internet. Which services you select to combine into an integrated service process severely impacts the quality of that service process. The quality of a service process is also subject to its structure. In the paper, a refinement method for quality optimization of a service process model is proposed. The refinement method takes into account the selection of Web services and the structure of the service process simultaneously. More specifically, in this method, a service process model is transformed into a process structure tree for quality calculation and then a genetic algorithm is applied to refine the service process model for quality optimization. The method, together with the experiment results, is discussed in detail in the paper. The experiment results show this method can optimize the quality of the service process by applying refinement method according to the requirements.