一种基于服务选取的SBS云资源优化分配方法

获取满足全局优化目标的资源分配策略,是影响云环境中基于服务的软件系统(service-based software system,简称SBS)运行时优化效果的关键.然而,由于SBS内部复杂的业务逻辑关系和云环境中的资源约束,现有分配方法无法得到最优资源分配量.以满足SLA约束和最小化资源成本为目标,根据不同资源状态对应不同组件服务性能的特点,将组件服务可能的资源分配量、相应性能及成本转换为备选逻辑服务集,进而提出了一种云环境中基于服务选取的SBS资源优化分配模型,并设计了一种求解模型的混合遗传算法.算法采用整数编码以提高求解效率,并在选择算子中引入了精英保留策略,从而保证收敛到全局最优解.为提高遗传算法的局部搜索能力、加快收敛速度,以局部搜索策略改进了标准变异算子.实验验证了所提出的资源优化分配模型和求解算法的有效性,并表明:与分支定界法及精英保留策略遗传算法相比,混合遗传算法能够在较大规模的问题上快速获得具有较低资源成本的资源分配策略.     

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。     

客户信任网络下病毒式营销核心群体的挖掘

目前,国内外对利用数据挖掘实现智能化制定病毒式营销策略的研究亟待深入.为了挖掘客户网络中的核心群体,定义了一种基于信任关系的客户信任网络CTN(Customer Trust Network),在此基础上创建了产品信息扩散模型CTNBDPI(CTNBased Diffusion of Product Inform ation),提出了核心群体挖掘算法VMCGM(V iralM arketing Core Group Mining)与连续病毒式营销策略的制定方法.CTNBDPI模型引入客户特征与环境因素解决了孤立点的接受与推荐问题,实验证明可以更好地反映病毒式营销中产品信息扩散的规律,与已有研究相比,VMCGM算法具有较低的时间复杂度和较高的准确性.