基于用户反馈QoS的动态Web服务发现方法

由于传统的基于关键字和简单分类的Web服务发现机制缺少服务质量(QoS)考虑,因此不能很好满足用户的需求。针对该问题,提出一种基于QoS的Web服务发现模型,通过引入QoS代理机制,对终端用户使用Web服务后反馈的QoS信息进行量化和度量处理,以支持基于QoS的Web服务发现;在此基础上,根据Web服务的动态性特点和不同用户的QoS需求,给出了基于用户反馈的QoS数据度量方法,并提出一种基于QoS的Web服务发现算法。实验结果表明,提出的Web服务发现方法能够较好地满足用户的需求。     

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。     

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。     

基于QoS的Web服务发现方法

由于传统的基于关键字和简单分类的Web服务发现机制较少考虑服务质量(QoS),因此不能很好地满足用户的需求。针对该问题,提出一种基于QoS的Web服务发现模型,通过引入QoS代理机制以支持基于QoS的Web服务发布与发现。在此基础上,根据不同用户的QoS需求,提出一种基于QoS的Web服务发现算法。实验结果表明,该算法具有较高的准确率。     

基于QoS-Ontology的Web服务选择Broker模型

服务匹配是Web服务选择的重要前提.针对目前Web服务发现中过分依赖Web服务的功能性属性这一方法的不足,提出了一种基于非功能性Web服务质量QoS本体的Web服务选择Broker模型.之后,介绍了用来描述用户的个人偏好QoS PPR,量化了用户模糊需求;给出了QoS值计算函数公式.最后,依据Broker模型和QoS值计算公式提出了服务选择匹配算法.     

Web服务中一种面向用户群偏好向量的计算方法

用户偏好用于描述用户的偏好倾向和历史行为等,通过这些信息,系统可以发现和预测用户的需求信息,从而提供最接近用户请求的服务。在Web服务的应用中,用户偏好信息在很大程度上影响了服务质量评价。单个用户或者用户群体需要利用Web服务质量的评价来选择满足自己最大偏好的服务组合,用户群的偏好值计算需要一个可靠稳定的方法来计算。在分析基于QoS选择的Web服务基本构建框架和WSMS概念结构的基础上,引入了一种面向用户群偏好的EOWA算子计算方法,用来获取可靠、有效的用户群偏好向量,并进行了实例分析。     

一种综合考虑主客观权重的Web服务QoS度量算法

已有的Web服务QoS(quality of service)度量方法由于无法对用户偏好的模糊性予以准确量化,以及对候选服务 QoS 属性数据分布特征的忽视,导致其度量结果不准确。为此,提出了一种综合考虑主客观权重的 Web 服务QoS 度量算法。该算法利用自适应用户偏好的主观权重计算方法和服务潜能保障的客观权重计算方法,从主观和客观两个角度进行QoS度量,以保障度量结果在符合用户偏好的基础上能够准确地反映服务的整体性能。理论分析和基于QWS真实数据集的实验结果表明,所提出的方法能够准确地获得Web服务QoS的度量结果。     

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.     

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.     

基于灰色关联分析的Web服务选择

为方便用户选择最优Web服务,利用灰色系统理论对Web服务质量QoS属性因子进行分析,提出了一种基于用户QoS偏好的Web服务灰色关联分析方法。考虑到Web服务QoS的不确定性,该方法使用区间对Web服务QoS值进行建模。为了确定候选服务的QoS与用户QoS需求的符合程度,先针对服务的每个QoS属性,计算其与用户QoS需求的灰色区间关联系数;然后结合各个QoS属性的关联系数计算候选服务的QoS与用户QoS需求的综合灰色区间关联度,关联度越大的服务越符合用户的要求;最后从满足用户功能需求的Web服务中选择灰色关联度最大的Web服务推荐给用户。与其它Web服务评价模型相比较,该模型更加符合Web服务QoS的实际情况,能够在服务QoS信息不充分、不确定的环境下,对QoS属性进行合乎实际的分析处理,从而得到更加合理有效的QoS评价。     

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.     

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.     

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。     

一种多参数的Web服务选择方法

随着服务计算的快速发展，如何快速而准确地找到最优的Web服务组合是众多挑战中最重要的一项。提出了一种基于二阶隐马尔可夫模型（HMM）的服务选择方法。该方法使用服务质量（QoS）参数去区分具有相同功能的Web服务，并且选择一组最优的Web服务来执行用户请求。通过考虑两个QoS参数-吞吐量和响应时间，该方法能够解决根据设定的阈值来衡量Web服务质量的问题。通过构建的模型和算法，方法能够选择出最优的Web服务以满足用户的需求。仿真实验验证了所提出的方法是有效的。     

基于模糊多属性决策理论的语义Web 服务组合算法

综合评估数据异构的服务质量(QoS)从而选择出全局最优的执行计划是语义Web 服务组合研究中的难题之一.提出一种基于模糊多属性决策理论的语义Web 服务组合的优化选择算法(FuMuCom)以解决上述难题.该算法能够评价以实数、区间数和语言型数据描述的QoS 信息,从而进行综合决策.FuMuCom 包括3 个步骤:语言型数据的去模糊化、异构决策矩阵的标准化和QoS 综合评估.同时还介绍了一个可扩展的本体用来描述异构的QoS 数据;同时,从本体进化的角度介绍了一种异构QoS 的聚合算法.最后,通过对真实的服务质量数据进行实验,验证了该算法的优越性和有效性.     

基于树型二重结构编码遗传算法的服务选择

提出了Web服务语法业务流程树的概念,并结合基于QoS的Web服务全局选择的特点,研究了一种用于组合服务QoS优化的基于树型二重结构编码的遗传算法GATD。该方法建立在服务语法业务流程树先序遍历序列编码的基础上,采用二重编码方法处理用户的QoS约束条件,不仅能够有效地选择出满足用户QoS需求的服务资源,而且可以较好地支持服务运行时快速再规划。     

物联网环境下基于情境的语义Web服务选择

当前Web服务海量增加，物联网应用技术快速发展、不断普及，而现有的Web服务选择算法低效、用户匹配度低。针对该问题提出一种物联网环境下基于情境的语义Web服务选择方法。该方法应用QoS参数的无量纲化与语义Web服务动态选择方式，将物联网环境下服务与语义Web服务相结合，并根据用户需求针对QoS选择最优的服务集。实验表明，该方法能有效地提高用户服务动态选择的成功率。     

基于Petri网的语义Web服务自动组合方法

Web服务组合使得开发人员可以快速地创建自己的应用程序.但是,随着Internet上可用的Web服务数目的增加,Web服务组合是一项高度复杂的任务.针对语义Web服务的自动组合问题,提出了一种既考虑服务输入/输出又考虑服务行为约束的自动组合方法.首先,注册服务被转化为一组Horn子句形规则,用户的输入和输出请求分别被转化为Horn子句中的事实和目标,从而将寻找满足用户输入/输出请求的合成服务问题转化为Horn子句的逻辑推理问题;然后,用Petri网来为该Horn子句集建模,T-不变量技术被用来判定是否存在满足用户输入/输出请求的合成服务;最后给出了两种算法来获取既满足用户输入/输出请求又满足用户行为约束的合成服务的Petri网模型.