一种保证QoS属性值可信性的服务选择方法*

目前基于QoS的服务选择方法中通常假设QoS属性值都是真实可信的,但该条件在实际应用中往往很难满足。为此,提出了一种保证QoS属性值可信性的方法。该方法将各属性视为未知参数,将服务提供者的历史运行数据以及服务使用者的反馈视为对未知参数的样本观测值,通过样本观测值和置信区间去检验属性值的可信性并进行修正。仿真实验表明,该方法的性能大幅优于现有方法,并特别适用于属性值偏差比较大的情况,平均均方误差能够下降90%以上。     

一种考虑QoS动态变化的服务选择方法

随着Web服务相关技术的高度发展,网络上存在着多个完成相似功能的Web服务。如何选择适合的服务来生成满足用户要求的组合服务成为服务领域的重要研究课题之一。现有的基于服务质量QoS(Quality of Service)的服务选择方法通常都是假定服务提供者发布的QoS数值是真实且固定不变的,然而服务的质量往往在实际运行中 发生变化。为此,针对该问题提出了一种考虑QoS数据动态变化的服务选择方法。该方法引入了QoS分时可靠的思想,将作为选择依据的QoS数值根据以往的服务执行情况给出不同时段上的不同表现数值,这样可以更加贴合地描述服务运行的实际情况。该方法按服务在不同时间段上的可靠性变化划分为不同的子服务,利用冗余的思想在不同的时间段下为用户提供多个满足要求的备选服务。最后通过一组模拟实验说明该方法的可用性和有效性。     

一种Web服务QoS可信性评价模型

随着Web服务数量的增加,根据Web服务的非功能属性(QoS)度量Web服务质量成为研究热点之一.目前对Web服务QoS的研究主要集中在QoS信息管理、QoS度量方法及基于QoS驱动的服务选取上,但对于QoS评价的可信性研究较少.本文在目前QoS研究的基础上提出一个Web服务QoS可信性评价模型,并给出了两种Web服务QoS可信性评价方法.最后,描述了可信性评价的实验过程及效率分析.     

一种支持混合QoS属性的服务选择方法

当前的服务选择方法大都假设所有服务的QoS(Quality of Service)属性值必须均为确定的实数,并未考虑QoS属性的模糊性。这个假设在实际应用需求中具有一定的局限性,还会丢失大量的数据信息。为增强QoS表达能力,将QoS属性值描述成精确数值型、区间数值型、模糊数值型。同时,用序关系向量表示用户对不同QoS属性的需求偏好,将其转换成用户对QoS属性的主观权重,并采用熵权法计算QoS属性的客观权重。在此基础上,采用相对优势度算法给出混合QoS属性的服务选择过程。最后通过模拟和实验验证,证明相对优势度算法的有效性与合理性。     

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的动态Web组合服务选择方法

QoS已是衡量Web服务好坏的一个重要标准,基于QoS的Web组合服务在执行前进行的服务选择和执行中进行的服务选择是当前的主要两大选择方法。前者难以适应不可预知的服务环境变法,后者计算量大却难以控制整个服务流程的最优性。根据二者的优缺点,将二者结合起来提出了一种基于QoS的二次服务选择方法,先得到静态最优解集、在对其进行动态绑定。实验证明该方法可有效的避免二者的不足,继承二者的优点,保证服务的高效性,可靠性。     

基于QoS监控的Web服务选择方法

传统的Web服务框架不支持基于QoS的查询,不能满足用户对服务性能的要求。在传统的SOA框架上增加了QoS代理中心,并提出了两阶段的服务匹配算法。为了克服QoS动态变化的特点,通过QoS代理监控并记录以往运行的服务反馈的QoS值,来综合计算服务的QoS值。给出QoS记录权重随时间衰减因子,并描述了算法。实验表明该方法具有一定的可行性。     

用户QoS需求导向的服务演化选择策略

服务型软件以其特有的优点被广泛应用,而面向QoS服务选择问题的解决能更有效地推动服务的普及。组合服务的演化性要求在服务发生演化时,从具有相同功能的候选服务中选择满足用户QoS需求的候选服务。为了在满足用户QoS需求的情况下选择最优的服务,基于遗传算法,提出一种用户QoS需求导向的服务演化选择策略。通过淘汰不满足用户QoS需求的候选服务,快速排除不符合需求的服务,并最终选择符合用户QoS需求的服务组合。实验结果表明,用户QoS需求导向的服务演化选择策略能够较优和较快地解决服务组合选择问题,并保证用户QoS需求,为服务选择提供一种新的方法和思路。     

基于QoS的语义Web服务选择框架

服务质量（QOS）成为动态选择满足用户需求的Web服务的关键因素。然而目前Web服务的QoS信息描述缺乏语义性,且Web服务的选择还不能做到完全自动化。文章提出一种Web服务的QoS本体结构,并在此QoS本体和原有的语义Web服务的基础上提出基于QoS的语义Web服务选择框架（QSF4SWS）。研究表明,该框架不仅增强了Web服务QoS描述的语义性,而且还能够实现Web服务的动态发现与自动选择。     

一种考虑QoS的Web服务组合Petri网建模方法

Petri网是一种适合描述Web服务组合的建模方法,但是它无法对Web服务的服务质量(QoS)进行建模和分析.为此,将用户最为关心的服务时间、价格和概率3种QoS因素引入到Petri网模型中进行建模,提出了概率时间价格Petri网PTCPN,给出了PTCPN的语义及分析求解算法,并进行了实例建模和分析.结果表明,PTCPN可以有效支持服务组合功能和QoS的形式化统一建模和分析.     

考虑QoS偏好的多属性群决策服务选择策略

面对多个功能相同或相似的服务,服务的Qo S是服务选择中重要的考虑因素.将Qo S属性分为精确数型、区间数型和三角模糊数型.在此基础上,利用TOPSIS（technique for order preference by similarity to an ideal solution）条件下的多属性群决策模型给出了服务选择过程,该过程考虑了多个决策者在决策过程中所占的权重,以及多个决策者不同的Qo S偏好权重.通过一个实例验证了该方法的有效性.     

基于贝叶斯网络的网格QoS可信度评估方法

提出一种基于贝叶斯网络的网格服务QoS可信度评估方法,用于实现信任增强的服务选择。该方法利用服务的历史性能信息建立贝叶斯网络,根据用户的QoS需求评估服务QoS的可信度,并解决传统方法中忽略QoS提供一致性的问题。实验结果表明,在动态的服务网格环境中,该方法能增强服务信息的可信度,提高服务匹配合理性。     

基于物元和QoS约束的数据挖掘服务选择

为更好地选择满足用户要求的数据挖掘服务,运用可拓物元模型描述数据挖掘服务和用户需求。对数据挖掘服务进行可拓分析,计算候选数据挖掘服务与用户需求服务的相似度。构造数据挖掘QoS用户约束元,设计用于评估相似服务的方法,帮助用户选择满足要求的数据挖掘服务。实验结果表明该方法提高了选择效率。     

基于QoS的服务选择系统的研究和实现

在服务组合中,一个重要的环节就是服务选择。目前的研究主要集中于选择算法,力图通过算法来提高服务选择的效率。本文从应用角度出发,设计了一个通用的基于QoS的服务选择系统(QoSbasedServiceSelectionSystem,以下简称QoS4),讨论了服务选择的应用场景,通过在建模阶段和运行阶段两次服务选择,提高了服务选择效率,增加了用户满意度。     

一种基于服务质量预测的Web服务选择方法

服务质量评估是基于QoS服务选择的前提和基础。然而,目前的Web服务发现方法在服务质量评估过程中没有充分考虑服务质量的动态变化,不能对服务的表现进行准确的预测。在分析现有相关研究的基础上,提出了一种基于服务质量预测的Web服务选择方法,并详细介绍了该服务选择方法的实现和服务质量预测模型的结构。     

一种Web Service的服务质量预测方法

服务消费者在选择服务之前,通常需要基于其他消费者的经验对未使用过的服务的质量进行预测.考虑到不同服务消费者对同一服务的服务质量的感受之间可能存在较大的差别,提出了一种QoS(quality of service)预测方法.该方法以消费者的历史经验为基础,计算消费者之间以及服务之间的相似程度,并以此相似度为基础对消费者并未使用过的服务的QoS进行预测.实验结果表明,这种方法可以显著提高Web服务质量预测的准确性.     

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.