一种基于OWL-S的Web服务体系结构

Web服务是一个新的分布式计算模型，是Web上数据和信息集成的有效机制。文中分析了当前Web服务体系结构，提出了一种基于OWL-S的Web服务体系结构，并给出在新型Web服务体系结构下的服务发现和调用机制，实现了Internet环境下的动态查找、合成和动态绑定，有效地支持Web服务的动态组合和协调。  

基于Observer模式的AS/RS调度系统设计与实现

指出了目前市场上运行的大部分自动化立体仓库调度系统(以下称调度系统)所存在的问题及弊端,阐述了调度系统的框架结构.为了解决这些问题,避免这些弊端,引入Observer模式.在对Observer模式进行分析的情况下,将这一模式应用于调度系统,使系统精巧、简洁、易于复用、易于扩展,有效提高了调度系统的开发效率和整体的性能.  

基于多Agent协商的虚拟企业伙伴选择方法

伙伴选择是虚拟企业建立过程中的核心问题,分析了虚拟企业的特点、虚拟企业环境下协商问题的特点,提出了一个适合于虚拟企业环境的多Agent协商模型。该模型支持多Agent多议题的多轮谈判,并将Agent类型引入到协商中来,作为指导协商Agent提议的一个重要因素。在不完全信息的条件下,应用贝叶斯学习的方法,更新既有信息,并通过分析对方Agent的历史提议序列,推测其类型,来指导自身的提议策略和战术,使自己的提议更具有针对性,避免了盲目性,从而节约协商时间,提高了协商的效率,使得盟主企业能在尽短的时间里寻找到理想的合作伙伴。  

网格中数据复制的一致性研究

数据是网格中的一类重要资源，它具有可移动、可复制、可缓存等特点。随着网格中的数据集在数量上和规模上的不断增长，为提高访问速度和减少访问延迟，需要把网格数据传输到距离访问者比较近的位置，并在不同的网格结点上复制和存储数据集副本，使数据访问服务达到更好的性能和可靠性。网格中存在异构数据资源，通讯延迟和资源失效等问题，因此确保副本数据的一致性是一项极具挑战性的任务。通过对基于网格中间件系统的复制一致性服务及其存在的问题进行分析后，有针对性地提出了一种体系结构设计方案。  

一种支持QoS预测的语义Web服务发现模型

针对不同用户对语义Web服务需要的偏好及发现的准确性和高效性的问题,提出了一种支持QoS预测的语义Web服务发现方法。首先,对历史用户按照用户情境进行聚类预处理,然后在每个簇中采用BP神经网络算法为当前用户预测其所需的QoS,匹配了服务的功能性需求后,在候选服务中,按照预测的QoS,为用户推荐相应服务。最后通过实验验证了该方法的可行性和有效性。  

一种基于OWL-S的Web服务体系结构

Web服务是一个新的分布式计算模型,是Web上数据和信息集成的有效机制。文中分析了当前Web服务体系结构,提出了一种基于OWL-S的Web服务体系结构,并给出在新型Web服务体系结构下的服务发现和调用机制,实现了Internet环境下的动态查找、合成和动态绑定,有效地支持Web服务的动态组合和协调。  

基于MDA的Web服务合成技术研究

Web服务合成越来越引起人们的广泛关注。对基于MDA的Web服务合成技术进行了研究:描述了Web服务合成开发方法;提出利用UML类图对Web服务合成进行结构建模,对UML活动图进行行为建模,并给出UML类图和活动图到接口描述语言(WSDL)和业务流程执行语言(BPEL4WS)的转换规则;给出一个订单管理案例证明该方法的可行性。  

一种多Agent多议题的协商模型

协商是多Agent系统实现协作、协调和冲突消解的关键技术。本文分析了协商问题的实质和协商过程,提出了一种支持多轮协商的多Agent多议题协商模型。模型中引入了Agent类型的概念,在信息不完全的条件下,协商Agent通过推测协商对手的类型来指导自身的提议策略和协商战术,使提议更具针对性,避免了盲目性,从而节约了协商时间,提高了协商质量。  

基于MDA的Web服务合成技术研究

Web服务合成越来越引起人们的广泛关注。对基于MDA的Web服务合成技术进行了研究：描述了Web服务合成开发方法;提出利用UML类图对Web服务合成进行结构建模,对UML活动图进行行为建模,并给出UML类图和活动图到接口描述语言（WSDL）和业务流程执行语言（BPEL4WS）的转换规则;给出一个订单管理案例证明该方法的可行性。  

粒子群退火算法优化的BP神经网络及其应用

以提高预测软件老化趋势为应用背景，提出一种新型粒子群退火算法（New Particle Swarm Annealing Algorithm，NPSOSA）优化BP神经网络的权值和阈值，继而构建NPSOSA-BP神经网络预测模型.实验通过搭建软件老化测试平台，收集所需的老化数据并进行仿真训练.实验结果表明，NPSOSA-BP神经网络模型相比于传统粒子群算法（PSO）、传统粒子群退火算法（PSOSA）优化的BP神经网络模型提高了预测精度和适用度，在该应用领域验证了本文方法的有效性.