Web服务QoS灰色评价模型

在分析国内外Web服务QoS定量评价的研究成果和不足之处的基础上,提出了基于灰色系统理论的Web服务QoS定量评价模型,即筛选Web服务QoS评价因子,确定因子权重集,计算各因子与参考基准的灰色关联度;通过应用从QWS数据集中提取的6个世界权威气象机构的气象信息Web服务,得出7个Web服务QoS的实际评价结果,并与其它评价方法进行比较;指出了进一步研究的方向。研究结果表明,该模型符合灰色系统理论的应用特点和Web服务应用的发展方向,作为Web服务选择时不同Web服务质量比选的定量评价工具,为Web服务的可信应用和电子商务的发展奠定了基础。     

基于动态QoS的Web服务选取方法

针对动态环境中Web服务QoS属性值波动的问题,提出一种基于动态QoS的服务选取方法。该方法首先建立区间QoS模型来表示QoS属性值的动态变化,然后用区间相似度衡量候选服务提供的QoS属性与用户需求值的接近程度。基于相似度的概念,采用逼近理想点的多属性决策方法计算出每个基本服务的QoS指标客观权重,并结合用户主观偏好得出QoS指标综合权重,最终基于推荐度对候选服务进行排序。仿真实验表明,此服务选取方法既充分考虑了用户的主观偏好,又克服了Web服务QoS属性值的波动影响,提高了服务选取的准确性。     

支持服务选取的QoS评价相关的不确定性的处理方法

在详细分析与Web服务QoS评价相关的不确定因素的基础上,采用灰色系统理论作为处理"不确定性"的方法,提出基于QoS指标历史数据的t+1时刻预测和基于依赖指标与其它指标关联度归一化权重的单目标满足、多目标优化的QoS评价模型,该模型以QoS指标的历史数据为基础,指标预测值和指标权重均来自对历史数据的分析.没有主观色彩,可以很好地支持服务选取,获得用户较高的满意度.     

基于语义的QoS感知Web服务发现机制

随着提供相同功能的Web服务数量的日益增多,服务质量(Quality of Service,QoS)成为用户选择Web服务的重要考虑因素.目前,通过对服务QoS属性在语法层匹配来提供Web服务选取的机制不能很好地满足复杂QoS属性匹配的要求.研究了基于用户QoS需求偏好,将用户需求的QoS与候选服务的QoS进行语义比较,结合约束规划(Constraint Programming)方法,在语义层匹配Web服务的QoS属性,选取满足匹配要求的服务,最后对满足QoS属性值约束的候选服务进行优化选择处理,获取最终匹配的候选服务.     

面向用户需求的动态QoS服务选择方法研究

高效、准确地为用户选择满足其需求的软件服务一直是近年来的研究热点。服务质量（Quality of Service,QoS）是衡量软件服务性能的关键指标之一,考虑到同一服务在不同网络环境下QoS值的动态性,提出一种面向用户需求的动态QoS服务选择方法,简称URDQ方法。URDQ方法采用区间数的形式记录动态环境下候选服务的属性值范围,并基于用户需求对候选服务进行初步过滤;通过区间数模型对候选服务属性区间和用户需求区间进行相对优势度计算,将属性区间数转化为易于计算的实数;使用Skyline方法对候选服务集进行过滤,减小搜索空间;根据熵权法得到的客观权重并结合用户给定的主观权重,使用TOPSIS方法对Skyline服务集进行排序。仿真实验和对比实验验证了URDQ方法在动态网络环境下的可行性和有效性。     

用户驱动的组合服务选择算法

用户需求准确获取和复杂不确定环境下的最优服务选择是服务组合研究中的难题.首先提出一个接近用户表达习惯的用户权重表达模型获取用户服务质量(QoS)权重,然后提出一种基于层次分析法(AHP)和逼近理想解排序法(TOPSIS)的组合服务选择算法(CWSSA)以解决最优服务选择问题.该算法转换用户的QoS属性两两比较矩阵为用户权重,评估区间数表示的复杂不确定环境下的QoS信息.还介绍了一个QoS属性关系表示的用户权重模型和区间数描述的QoS模型及聚合算法.实验验证了该算法的优越性和有效性.     

基于混合QoS的大群用户服务选择

群体活动在日常生活中非常广泛,面向群体的信息服务提供是必需解决的问题。群体规模较大和混合数据类型QoS模型给Web服务选择带来巨大困难。基于混合QoS模型,借鉴多属性群决策理论,提出面向大群体用户的服务选择算法。包括5个步骤:群体偏好确定、族加权权重确定、构造族加权规格化决策矩阵、确定理想方案、计算贴进度。另外,还介绍了一种Web服务QoS模型,能够描述实数、区间数、直觉模糊数表示的QoS信息。实验数据表明,该算法能够很好地解决混合QoS模型的大规模群体用户的服务选择问题。     

面向大群体用户的模糊服务选择

面向群体的服务选择在社会生活中应用非常广泛;而群体规模较大并且QoS需求个性化和模糊QoS给Web服务选择带来巨大困难。基于多属性群决策理论提出面向大群体用户的模糊服务选择(BGFWSS),其包括5个步骤:群体偏好确定、族加权权重确定、构造族加权规格化决策矩阵、确定理想方案、群体综合评价。另外,还介绍了一个新的Web服务QoS模型,其能够描述实数、区间数、直觉模糊数表示的QoS信息。实验数据表明,BGFWSS能够很好地解决模糊QoS的大规模群体用户的服务选择问题。     

一种混合QoS感知的Web服务选择方法

运行环境的开放性和动态性使得Web服务QoS具有内在的不确定性.为此,首先对QoS不确定性进行了分析,并分别采用实数、区间数和随机数对不同特性的Web服务QoS进行描述.然后,结合用户QoS需求约束,分别利用可能度和半方差理论实现区间数和随机变量的比较,将不确定昆合QoS感知的服务选择问题转化为确定型多属性决策问题,并利用TOPSIS(technique for order preference by similarityto ideal solution)方法进行求解.服务选择考虑了客观权重和主观权重.最后,通过实验验证了服务模型的有效性.     

基于QoS和用户偏好的Web服务发现模型

快速而准确地发现和选择满足用户需求的Web服务是目前研究的热点.提出一种基于QoS和用户偏好的Web服务发现和选择模型,该模型通过附加数据库来扩展UDDI以实现QoS属性的描述,引入QoS属性排序和权重实现用户的个性化选择,提高服务的查准率.     

一种基于服务关系与效能的Web服务选择方法

当前Web服务选择是一个研究热点,很多研究人员提出根据用户对QoS（Quality of Service）属性的偏爱,把指定属性权值计算QoS属性综合值作为服务选择依据。实际应用中,用户对服务的偏爱是主观的,在多备选服务,多QoS属性参照的条件下主观性被进一步放大,会导致所选择的服务并不是最适合的。同时,服务之间在社会层次的相互关系并未在服务选择中被考虑。针对上述两个问题,文中首先设计了Web服务选择二维度量属性模型,引入了社会域的服务作用关系;其次通过QoS约束条件排除不满足用户要求的服务;最后设计了一种基于服务效能偏爱的服务选择方法,并通过实验数据验证了该服务选择方法的可行性、有效性和客观性。     

一种QoS感知的Web服务群体评价方法

传统QoS感知的Web服务选择方法需要用户给出精确权重以表达其对QoS属性的偏好。为解决用户无明确偏好情况下的服务选择问题,提出了一种QoS感知的Web服务群体评价方法。对Web服务群体评价的需求进行了详细的分析,以有明确QoS偏好的用户对服务的历史选择结果为基础,利用群决策的Condorcet和Borda函数集结这些结果得到服务的群体评价,从而使得无明确QoS偏好用户可以参考该评价结果进行服务选择。理论分析和仿真实验验证了该服务群体评价方法的合理性和有效性。     

支持QoS的Web服务选择模型的研究与实现

提出一种新的支持服务质量(QoS)的Web服务选择模型(WSSM-Q)。该模型定义了一组描述Web服务QoS指标的分类tModel,用QoS量化值描述服务提供者的QoS通告,用约束型需求和偏好型需求描述服务消费者的QoS需求,采用四阶段选择算法选择满足消费者需求的Web服务。实验结果表明该模型是可行的和有效的。     

基于全局QoS 约束分解的Web 服务动态选择

随着执行时绑定的Web服务的提出及其被大量地应用到开放式服务中,用户对支持快速和动态的Web服务组合提出了新的要求.即在组合过程中,用尽可能短的时间花费选择满足用户端到端的QoS要求的服务.针对上述要求,提出了一种基于全局QoS约束分解的动态服务选择方法(Web service dynamic selection approach,简称WSDSA).该方法的主要思想是,通过基于模糊逻辑的自适应调整方法(adaptive adjustment method,简称AAM)和自适应粒子群优化算法(adaptive particle swarm optimization,简称APSO)将全局QoS约束自适应地分解为满足用户偏好的局部约束,然后利用局部最优获得最合适的组合服务.性能评价表明,WSDSA方法具有较好的有效性,仅用较低的时间花费就能达到或接近全局最优解,能够满足服务选择的实时性和动态性.     

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．     

面向服务质量的低负载Web服务选择方法

为提供具有服务质量(QoS)保障的Top-k服务并有效降低服务选择系统对宿主服务器及网络带来的负载,提出一种Web服务选择方法RTKS-QoS。该方法在量化QoS属性的基础上,通过计算给定服务效用函数的取值空间,快速筛选出Top-k服务。实验结果证明,在保证查准率的前提下,当k取值不大于候选服务集合的12%时,RTKS-QoS的流量负载和响应时间至少提升了38%及37%。