具有局部和全局QoS约束的Web服务选择

提出一种具有局部和全局QoS约束的Web服务选择算法.将基于QoS的Web服务选择问题建模为带QoS约束的多目标组合优化问题,使用局部QoS约束过滤不满足约束条件的候选服务,通过归档式多目标模拟退火(AMOSA)算法同时优化多个QoS目标函数以产生一组Pareto优化解,利用全局QoS约束筛选出满足约束条件的Pareto最优解集.实验结果证明了该算法的有效性.     

蚁群算法在Web服务组合中的应用

为了在服务组合过程中高效地发现、选择满足用户要求的Web服务,提出基于蚁群算法的多目标优化组合用以实现用户对组合服务质量的需求。该方法根据不同Web服务的QoS属性指标,选择相应的Web服务得到Pareto最优解集合,用户根据实际需要或对目标函数的偏好,从Pareto最优解集中挑选一个或多个解作为组合服务质量问题的最优解,从而形成最后的决策方案。从理论和实验2个方面与相关研究成果进行分析比较。     

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。     

基于多目标粒子群优化算法的Web服务组合

基于服务质量(QoS)的Web服务组合是一个非线性、多目标优化求解问题,属于NP难问题.提出一种多目标粒子群优化算法来求解基于QoS的Web服务组合问题,在Web服务组合模型中考虑了服务执行代价、时间、可用性等五方面的因素.针对基于QoS的Web服务组合特点,借鉴运动学速度分解原理对粒子每维的速度进行相应分解,采用多目标指导粒子的飞行;基于Pareto支配关系来更新粒子的个体极值,采用精英归档技术维持种群多样性,粒子的全局极值由外部档案库中的非劣最优解提供;针对粒子群易陷入局部最优问题,采用了变异策略来改善.与基于遗传算法的Web服务组合算法相比,基于多目标粒子群优化的Web服务组合算法可以快速收敛,并获得综合QoS较好的解.     

基于模糊QoS和偏好权重的Web服务组合方法研究

为了充分体现服务质量(QoS)的不确定性和用户偏好的模糊性,本文将模糊集理论引入基于QoS的Web服务组合中,将不适合精确表示的QoS属性和用户偏好等信息用三角模糊数表示.然后基于权重和法计算模糊总目标,通过设计新的模糊数比较方法,改写Pareto支配关系,将基于模糊数比较的单目标优化问题转化为多目标优化问题,并设计模糊多目标遗传算法(FMOGA)求得Pareto最优解集.该方法不仅能够得到更加贴近实际情况的优化解,同时也解决了多属性决策方法无法对大量候选服务进行全局优化的问题.最后通过实验验证了该算法的有效性和优越性.     

求解Web服务组合QoS优化的多属性决策及自适应遗传算法

随着面向服务计算(Service-oriented Computing,SOC)的不断发展,基于服务质量(Quality of Service,QoS)的Web服务组合研究成为了必然趋势。鉴于QoS属性的多维性及相互矛盾性,提出将基于QoS的Web服务组合优化问题转化为多属性决策问题进行求解。采用折中系数 对每个组合服务实例到正负理想点的距离进行累加求和,最终得到一组最优服务排序结果,用户可以根据自身偏好进行选择。传统的多属性决策方法无法有效地处理大规模的组合服务搜索空间,因此,为了有效地解决Web服务组合优化这一NP难题,提出一种结合多属性决策方法和自适应遗传算法的新型优化算法来解决该问题。实验采用真实的QoS综合服务数据集进行验证,实验结果表明,该方法能够在较短时间内找到全局近似最优解,且解集的排序结果接近于实际的最优服务排序。同时,该方法对于解决大规模的Web服务组合优化问题具有良好的可伸缩性。     

基于QoS多目标优化的Web服务组合方法

为了确保在服务组合中获得Pareto最优解集,把服务组合建模为多个服务质量属性同时优化的多目标优化问题,提出了一种依据服务质量属性类型的通用预处理方法,采用多个信息素表和单个启发式信息表的多目标蚁群算法,蚂蚁随机选择一种信息素表建构可行解,每个蚁群周期完成后所有信息素都会蒸发,但每个优化函数只有一个最优解获得信息素增加,经过多过蚁群周期后即可解获得最优解集.实验结果表明,该方法可为Web服务组合提供一种很好的优化方案,具有很高的准确率.     

基于多目标遗传算法的多选择Web服务组合方法

为了在服务组合过程中高效地发现、选择满足用户要求的Web服务,提出一种基于Pareto多目标遗传算法的QoS全局最优服务选择算法（PGA-WS）用以实现用户对组合服务质量的要求。该方法产生一组满足约束条件的Pareto最优方案集合,用户根据实际需要或目标函数的偏好,从Pareto最优集中挑选最满意的组合方案作为组合服务选择问题的最优决策方案。实验结果说明了算法的可行性和有效性。     

融合遗传蚁群算法的Web 服务组合研究

为了提高Web服务组合流程中服务选择技术的收敛性能,提出了一种基于遗传算法与蚁群算法相融合的多目标优化策略,用于解决基于QoS的Web服务组合问题。本文首先将Web服务组合的全局最优化问题转化为寻求一条QoS最优解的路径问题,并通过改进遗传算法得到蚁群算法中初始路径的信息素分布,再通过改进蚁群算法来求得最优解。仿真实验结果表明,该改进算法能在较少的进化代数下得到最优路径,提高了Web服务组合的快速全局搜索能力。     

QoS全局最优动态Web服务选择算法

Web服务作为一种新型的分布式计算模式近年来得到迅速的发展,来自不同服务提供商的服务可被整合以提供组合服务.QoS全局最优动态Web服务选择是服务组合中的一个难题.基于粒子群进化算法,设计一种用于解决该问题的PSO-GODSS算法.其主要思想是将问题表示为一个带QoS约束的多目标服务组合优化问题,通过理想点的方法将多目标向单目标转化,利用粒子群算法的智能优化原理进行算法设计及求解,最终产生一组满足约束条件的优化服务组合流程集.理论分析和实验结果表明该算法的可行性和有效性,且算法的执行效率和收敛速度优于以往的多目标遗传算法.     

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。     

基于改进磷虾群算法的服务组合优化

面向服务的架构（SOA）下,针对服务组合优化过程中易陷入局部最优、时间开销大的问题,提出一种加入自适应交叉算子和随机扰动算子的改进磷虾群算法PRKH。首先基于服务质量（QoS）建立了服务组合优化模型,并给出不同结构下QoS的计算公式和归一化处理方法。然后在磷虾群（KH）算法的基础上加入自适应的交叉概率和基于实际偏移量的随机扰动,从而在磷虾群的全局搜索能力和局部搜索能力之间达到良好平衡。最后通过仿真,把所提算法与KH算法、粒子群优化（PSO）算法、人工蜂群（ABC）算法和花朵授粉算法（FPA）进行对比,实验结果表明,PRKH算法能够更快找到QoS更优的复合服务。     

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。     

面向客户视角的QoS集成与组合服务优化

研究Web服务组合网上服务质量(QoS)的评价指标以及组合服务QoS计算模型,建立一种面向客户视角的网下服务质量评价体 系,包括服务费用合理度、服务与描述符合度及服务满意度。以服务费用为约束条件,提出一种的面向客户视角的Web服务QoS集成与组合服务优化模型。分析结果表明,与基于QoS的组合服务选取模型相比,该模型增加了服务质量指标,即网下服务(商品)的质量,更能满足客户需求。     

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。     

一种基于杂草优化的全局Web服务选择算法

随着网络中的Web服务数量的暴增,基于QoS的服务选择成为保证组合服务质量和可靠性的关键环节。针对当前服务选择算法全局优化能力弱的问题,将服务选择建模为带约束的非线性最优化问题,并提出一种基于杂草优化的服务选择算法。首先随机产生一组服务选择可行解并将其编码为杂草个体,进而根据个体的QoS效用值确定个体的繁殖数,最后以高斯分布方式指导种群的扩散完成对解空间的快速搜索。理论分析与实验结果表明,该算法有效性和鲁棒性强,可获得相较于已有文献更优的全局解。     

Research on Web service selection based on cooperative evolution

Web service selection, as an important part of Web service composition, has direct influence on the quality of composite service. Therefore, it has attracted many researchers to focus on the research of quality of service (QoS) driven Web service selection in the past years, and many algorithms based on integer programming (IP), mixed integer linear programming (MILP), multi-dimension multi-choice 0–1 knapsack problem (MMKP), Markov decision programming (MDP), genetic algorithm (GA), and particle swarm optimization (PSO) and so on, have been presented to solve it, respectively. However, these results have not been satisfied at all yet. In this paper, a new cooperative evolution (Co-evolution) algorithm consists of stochastic particle swarm optimization (SPSO) and simulated annealing (SA) is presented to solve the Web service selection problem (WSSP). Furthermore, in view of the practical Web service composition requirements, an algorithm used to resolve the service selection with multi-objective and QoS global optimization is presented based on SPSO and the intelligent optimization theory of multi-objective PSO, which can produce a set of Pareto optimal composite services with constraint principles by means of optimizing various objective functions simultaneously. Experimental results show that Co-evolution algorithm owns better global convergence ability with faster convergence speed. Meanwhile, multi-objective SPSO is both feasible and efficient.     

基于混合PSO算法的语义Web服务发现

基于服务质量的语义Web服务发现方法存在未成熟收敛以及Pareto集分布不均等问题。为此,在引入基于阈值的粒子比较准则、拥挤距离函数和合力变异算子的基础上,给出一种基于混合粒子群优化算法的语义Web服务发现方法。实验结果表明,该方法具有较高的匹配度和查准率。     

基于优化的灰狼算法的大规模Web服务组合

针对大规模Web服务环境中难以获得整体性能高的组合服务的问题,提出了一种大规模Web服务组合方法。首先,采用文档对象模型（DOM）对XML格式的用户需求描述文档进行解析,以生成抽象Web服务组合序列;然后,采用服务主题模型进行服务筛选,并为每个抽象Web服务选取Top-k个具体Web服务从而缩减组合空间;接着,为提高服务组合质量和组合效率,提出了一种基于Logistic混沌映射和非线性收敛因子的优化的灰狼算法（OGWO/LN）来进行最优服务组合方案选择;该算法采用混沌映射来生成初始种群以增加服务组合方案的多样性,并避免了多次局部寻优;同时,提出一种非线性收敛因子来调节算法的搜索能力以提高算法的寻优性能;最后,采用MapReduce框架对OGWO/LN进行了并行实现。在真实数据集上的实验结果表明,所提算法与IFOA4WSC、MR-IDPSO、MR-GA等算法相比,平均适应度值分别提高了8.69%、7.94%和12.25%,在解决大规模Web服务组合问题时具有更好的寻优性能和稳定性。