基于QoS的Web服务选择算法综述*

服务选择算法是影响组合服务的QoS和服务组合性能高低的关键因素。针对近几年来基于QoS的Web服务选择算法的发展状况进行了综述,介绍和总结了当前基于QoS的Web服务选择问题模型,对服务选择策略进行了分类,并对当前的一些典型的基于QoS的Web服务选择算法进行了系统的分析和评论。最后指出了现有算法中的不足之处,展望了该领域的进一步研究方向。     

一种在用户偏好不确定情况下的Web服务选择方法*

首先由用户对各个QoS属性的偏好给出语言描述及其不确定度;然后通过查找对照表将其换算成各个QoS属性的权重系数;最后使用QoS属性值和权重系数进行候选服务的综合评价,得到最接近满足用户不确定偏好的候选服务。模拟实验结果证明了该方法的有效性。     

一种支持模糊QoS属性的Web服务发现算法

目前的服务发现方法都是假设服务的QoS属性以一个精确的实数来表示,并未考虑QoS属性的模糊性,由于某些QoS属性的模糊性,用一个精确的实数来描述其值是不合理的。运用区间数的方式来描述那些带有模糊性的QoS属性,在此基础上提出了一种支持模糊QoS属性的服务发现算法,实验验证了该算法的可行性。     

基于QoS的Web服务选择方法研究进展

基于QoS的Web服务选择是从功能相同的Web服务中以Web服务的QoS属性为评价指标选出最优服务的过程,其作为语义Web服务领域的关键技术正在蓬勃发展.文章考察了现有的Web服务选择方法,对其进行了归类,分析了各类方法的优缺点,讨论了这个方向的研究重点及未来的研究趋势.     

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QoS的Web服务选择方法研究新进展*

随着服务计算、云计算技术的迅速发展,具有相同或相似功能但服务质量（QoS）不同的可用服务已大规模部署在互联网上。如何从这些海量Web服务中为服务组合选择令人满意的服务成了一个重要的研究问题,其选择方法是影响组合服务的QoS 和服务组合性能高低的关键因素。为了解决该问题,研究者们已开发了许多服务选择方法以帮助用户选择合适的服务。针对近五年基于QoS的Web服务选择方法的新进展进行了综述。归纳了包括运用Skyline计算、协同过滤、优化算法、多属性决策支持理论和混合方法等一些典型的服务选择方法,讨论了各方法的优势和局限性,并根据当前研究现状,探讨了该领域的发展趋势和未来研究方向和挑战。     

QoS全局最优的多目标Web服务选择算法*

针对现有方法的不足,提出一种基于QoS全局最优的多目标动态Web服务选择算法。在给出动态服务组合模型的基础上,以“抽象服务规划”为输入,以用户的非功能性需求为全局约束,将动态服务选择问题转换为一个带QoS约束的多目标服务组合优化问题;利用多目标蚁群算法,多个目标函数被同时优化并产生一组满足约束条件的Pareto优化解。通过运用实验与基于多目标遗传算法的Web服务选择算法进行对比,证明了该方法的可行性和有效性。     

一种基于QoS的Web服务选择模型

服务质量是面向服务应用中考虑的重要因素之一.对现有的SOA标准模型进行了扩展,提出了一种基于QoS的Web服务选择模型.模型中新增实体提供对QoS的支持,采集服务提供者和服务消费者的QoS反馈信息,以此评估Web服务的质量.在服务选择时,该模型在考虑QoS评价排名的同时,运用滑动窗口策略,分摊系统负载和避免负载抖动现象.仿真实验结果显示了该思想的有效性.     

基于QoS的语义Web服务选择

用XML语言描述的Web服务由于缺乏语义信息而使得服务选择的效率大大下降.将语义网和Web服务相结合,介绍一种能够描述服务语义信息的语言OWL-S,并在此基础上提出一种基于服务质量(QoS)的语义Web服务选择算法.它的基本思想是首先将含有语义信息的服务请求者和提供者双方进行相似度匹配,并记录下所有相似度达到一定要求的服务提供者,然后在这个结果集中进行QoS评价,选择出一个QoS值最大的服务.这样的选择算法使得服务选择的效率和精确度得到提高.     

基于历史用户QoS感知的Web服务发现方法

目前的Web服务发现方法,由于没有充分利用用户情境信息,导致在服务发现时间和结果准确率方面存在不足。首先对包括当前用户在内的情境相似的用户进行了聚类,缩小了服务发现的范围;然后,在此基础上利用当前用户偏好信息及情境相似的历史用户感知到的候选服务的QoS数据,给出了一种基于历史用户QoS感知的Web服务发现方法,包括候选服务的QoS数据获取和综合权重计算;最后,结合实验并与其他Web服务发现方法进行比较,证明了该方法在服务发现结果的准确率和时间效率方面均有了一定的提升。     

适应模糊QoS约束优化的Web服务选择技术研究

基于QoS优化的全局Web服务选择涉及多目标和多阶段的服务合成,以及各种QoS属性的折衷,如可信性、可用性和声望等,因此提出了适当的基因算法来处理服务选择问题。由于发现质量驱动的Web服务选择是一个NP-hard问题,实际的多目标或QoS标准并不总是明确的,常常包含模糊元素。着重研究多目标Web服务选择过程中模糊QoS属性和适应进化函数之间的关系,以及如何调节个体模糊QoS属性以实现整个种群进化的问题。     

GA模糊控制支持QOS约束的Web服务选择模型

Web服务是一种基于分布式组件的软件平台,是面向服务的Internet应用,如何动态地选择、绑定并调用最适合用户需求的Web服务,是一个成熟的Web服务构架亟待解决的问题之一。提出了一种用遗传算法结合模糊控制系统,实现动态、精确、具有自学习能力的个性化Web服务选择的策略,并在此基础上设计了一种基于模糊控制专家系统支持QOS的Web服务模型框架。     

基于服务质量的Top-k Web服务选择方法

Web服务的质量属性具有动态性,实时性特点,能提供具有服务质量保障的Top-k服务选择,同时有效降低服务选择系统对宿主服务器及网络带来的负载。提出一种使用单调服务质量的效用函数,在规范化QoS属性的基础上,通过计算给定服务效用函数的取值空间,快速筛选出满足要求的Top-k服务的RTKS-QoS算法。实验结果证明,在k<20的情况下,RTKS-QoS算法的响应时间及给网络带来的流量负载,与不使用优化的情况相比,分别平均降低了55%及52%。     

一种支持服务关联的Web服务选择方法

目前存在的大多数基于QoS(quality of service)的Web服务选择方案都忽略了服务之间的关联关系, 认为服务之间是相互独立的, 使得组合服务的结果与实际有所偏差。为了提高组合Web服务QoS的精确性, 考虑到服务之间的关联关系对组合服务质量的影响, 分别对服务之间的接口关联、业务关联和统计关联三种关联关系进行研究, 提出了一种基于关联度的关联服务集合发现方法, 将支持服务关联的选择问题转换为混合整数规划模型进行求解。实验结果表明, 考虑服务之间的关联关系会提高组合Web服务的质量。     

Web QoS及其保证方法

Internet的服务模式正由传统的数据通信与信息浏览向电子交易与服务转变,仅靠网络QoS机制并不能完全解决端到端的QoS控制问题。Web服务器系统作为核心设施,必须同样具备建立和支持QoS的机制与策略,对不同的用户或HTTP请求提供区分服务和性能保证。文中综述了Web QoS的发展情况、研究现状以及保证方法(包括请求分类机制的划分方法、Web服务供应商的Web系统解决方案以及无线网络的保证方法),并分析了进一步的研究方向。     

基于模糊数学的Web服务QoS建模*

在深刻理解Web服务QoS的基础上,用模糊数学理论对其进行描述、评价、决策,以提高Web服务的QoS,使Web服务提供商在商业竞争中处于领先地位.     

Iterative selection algorithm for service composition in distributed environments

In service oriented architecture （SOA）, service composition is a promising way to create new services. However, some technical challenges are hindering the application of service composition. One of the greatest challenges for composite service provider is to select a set of services to instantiate composite service with end- to-end quality of service （QoS） assurance across different autonomous networks and business regions. This paper presents an iterative service selection algorithm for quality driven service composition. The algorithm runs on a peer-to-peer （P2P） service execution environment--distributed intelligent service execution （DISE）, which provides scalable QoS registry, dynamic service selection and service execution services. The most significant feature of our iterative service selection algorithm is that it can work on a centralized QoS registry as well as cross decentralized ones. Network status is an optional factor in our QoS model and selection algorithm. The algorithm iteratively selects services following service execution order, so it can be applied either before service execution or at service run-time without any modification. We test our algorithm with a series of experiments on DISE. Experimental results illustrated its excellent selection and outstanding performance.