基于文化社会认知算法的云服务优化组合研究

QoS感知的云服务优化组合是云计算领域亟需解决的问题。针对该问题,首先对社会认知算法进行了改进,然后将改进的社会认知算法纳入文化算法的框架之内,构造了新颖的文化社会认知算法,并采用该算法解决QoS感知的云服务优化组合问题。实验结果表明,文化社会认知算法在求解云服务优化组合问题时具有较强的搜索能力和较快的收敛速度;同时,该算法具有很强的推广性,可以用来求解其他类似的组合优化问题。     

QoS感知的云服务优化组合研究

为了更好地解决服务质量感知的云服务优化组合问题,首先对社会认知算法进行了改进,提出了面向离散型优化问题的模仿学习方法以及基于多次变异的观察学习方法。然后使用改进的社会认知算法对服务质量感知的云服务优化组合问题进行了求解。实验结果表明,改进的社会认知算法具有较强的搜索能力和较快的收敛速度,并且具有较强的推广性,可以用来求解其他离散型优化问题。     

云制造服务组合研究综述

随着工业化的飞速发展,制造业作为推动工业化的主力军必须加快发展步伐,因此,一种新的面向服务的制造模式——云制造被提出.云制造旨在在分布式制造资源和能力之间进行共享和协作并与需求构成一种按需的资源分配和使用方式,在选取最优性能服务的同时将这些服务组合成一个满足用户需求的复合服务需要不断进行探索.云制造服务组合是一种典型的...     

基于自适应粒子群算法的制造云服务组合研究

针对云制造系统中制造云服务组合的多目标规划问题,研究建立了问题模型并提出了求解方法。首先引入了网格制造模式的制造资源服务组合技术,探讨并描述了云制造模式中基于服务质量（QoS）的制造云服务组合过程;接着通过分析云制造模式下制造云服务的特征并基于制造领域知识,研究定义了制造云服务的八维QoS评估标准及计算表达式,推导出制造组合云服务的QoS表达,进而建立了制造云服务组合的多目标规划问题模型。最终设计了自适应粒子群算法来解决该多目标规划问题。仿真实验表明,该算法能有效并高效地解决该问题,且求解效率优于传统粒子群算法。     

基于业务流程的制造云服务组合模型

为了提高云制造系统中制造云服务的组合成功率,实现组合云服务与用户业务需求的准确匹配,在对制造云服务、流程节点任务、云服务的可组合性和流程匹配进行形式化描述的基础上,提出一种基于业务流程的制造云服务组合模型。该模型由业务流程引擎、业务流程、选择逻辑、评估逻辑、监控逻辑、知识库和原子云服务集构成,在功能匹配的基础上,对候选服务的可组合性进行检查,结合负载、服务质量(QoS)和业务流程信息,选择合适的云服务,并将其挂接在业务流程上实现制造云服务的组合。对制造云服务的组合流程进行了详细描述,并给出云服务组合的实现方法。实例分析表明,该模型能够有效地选择满足业务需求的云服务实体并进行组合,从而提高制造云服务的组合成功率,保障用户制造活动的顺利进行。     

基于改进北极熊算法的制造云服务组合优化

为了提高云制造环境下制造服务组合优化的效率,提出了一种基于改进北极熊算法的制造云服务组合优化方法。该方法对制造服务进行实数编码,并以服务功能和服务质量为评价指标,使用改进的北极熊算法对制造云服务组合优化问题进行求解,得到最优的服务组合方案。同时通过引入动态视野,对算法的局部搜索进行调整,并与遗传算法中的变异策略相结合,以提高求解多目标问题的效率,同时降低因初始参数影响而导致算法陷入局部最优的可能。算例分析表明,改进的北极熊算法在求解制造云服务组合优化问题上比原始北极熊算法、标准遗传算法、改进的灰狼优化算法和改进的粒子群优化算法具有更高的效率。     

基于改进蚁群算法的服务组合研究

在服务计算过程中,服务组合问题是其中关键的技术之一。在原子候选服务数目巨大的情况下,经典的算法一般都是寻找问题的最优解,存在运算量大,运行时间长的缺点,蚁群算法并不是寻找服务组合问题的最优解,而是得到用户能够认同的可行解。为了能够更有效的为用户提供各种服务,在静态的服务组合建立过程中,以服务发现的候选原子服务集合中的服...     

基于C-MMAS算法的组合服务动态选择研究

将大规模的具有多种组合路径的QoS最优组合服务选择转换成带约束的最优路径选择问题,并提出了一种基于文化的最大一最小蚁群优化算法(C-MMAS)来完成最优路径选择。C-MMAS计算模型由基于MMAS的群体空间、基于优秀解的信仰空间及其之间的通信协议组成。群体空间在完成基于MMAS的演化后进行基于“变异”的进化操作,并将每次演化和进化后的优秀解作为知识贡献给信仰空间,信抑空间按照一定的优化规则更新空间里的知识,当信仰空间里的知识经过若干代的积累沉淀后再对群体的演化进行指导。此计算模型在知识和群体层面使用双重进化机制支持问题的求解和知识的提取,充分利用了种群的进化机制和知识的指导作用,在很大程度上提高了种群的多样性及收敛速度,达到了防止早熟、降低计算代价的目的。理论分析和实验结果说明了该算法的可行性和有效性。     

云制造环境下个性化产品配置研究

在分析了云制造环境下的产品配置典型过程的基础上,总结了云制造环境下参与 者及制造资源组织的特点,包括产品配置过程需要兼顾不同参与方的利益,以及在产品配置求 解过程中需要覆盖不同制造服务实例的差异化属性的基础,提出了面向云制造的个性化产品配 置技术框架,阐述了面向产品配置的云服务模型、基于关联规则挖掘的产品初步配置以及基于 蚁群算法的产品完整配置 3 个关键问题的求解方法,为云制造环境下开展个性化产品配置提供 了一种新的思路。在模型设计及方案求解过程中,以轮式装载机产品配置作为示例进行了阐述, 验证了该方法的有效性和可行性。     

云制造背景下的服务匹配算法

云制造背景下的服务匹配具有复杂性、海量性,因而需要高效的匹配算法来提高响应度。以往的基于本体的语义检索算法,往往只重视结果的查全率和查准率,不能有效满足云制造背景下的海量数据处理的效率要求。文中将基于语义距离的语义相似度算法应用到云制造背景下的服务匹配中,在满足查准率和查全率的同时,通过设置相应的过滤器,极大减少了不必要的匹配过程。实验结果表明本算法很好地满足了云制造背景下服务搜索的查全率和效率要求。     

基于服务簇和QoS的Web服务组合方法

针对海量的语义Web 服务组合中如何提高搜索速度和获得最优组合的问题,提出了一种基于服务簇和服务质量(QoS)的快速组合方法。利用预先建立的服务簇进行服务搜索,可以有效缩小搜索空间,降低语义比较的复杂度,快速得到候选服务集合。组合过程中基于服务的最优组合QoS值动态确定阈值进行服务过滤,可以获得多个最优组合。同时采用高效的冗余处理方法保证组合中冗余服务最少,并采用服务簇内部过滤的方法限制候选服务数量,解决了因组合过多造成的运行超时问题。基于海量服务库进行实验,结果表明,服务搜索效率比普通搜索方法可提高几十倍,服务过滤和冗余处理效果明显,可快速获得多个QoS最优的无冗余组合,并且在百万级服务库进行大层次深度的组合时仍可保证良好的运行性能。     

基于社团服务链的Web服务组合方法

针对Web服务组合的时间效率提高问题,提出了一种基于服务社团和服务链的Web服务组合方法。在构造的服务网络上应用基于信息中心度的服务社团发现方法,将Web服务网络划分为不同的服务社团,然后构造了社团服务链发现算法和基于服务链的Web服务组合算法,这些算法将服务社团内Web服务之间的所有可组合关联转变成服务链,实现了基于社团服务链和服务质量(QoS)剪枝的Web服务组合过程。实验结果表明,与传统的图深度遍历Web服务组合方法相比,基于社团服务链的Web服务组合方法在5个测试集上的响应时间平均提高了46%,最好情况为67%。社团服务链可以有效地减少针对当前服务请求的服务搜索空间,提高服务组合的时间效率。     

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。     

Service composition for generic service graphs

Service composition is a promising approach to multimedia service provisioning, due to its ability to dynamically produce new multimedia content, and to customize the content for individual client devices. Previous research work has addressed various aspects of service composition such as composibility, QoS-awareness, and load balancing. However, most of the work has focused on applications where data flow from a single source is processed by intermediate services and then delivered to a single destination. In this paper, we address the service composition problem for multimedia services that can be modeled as directed acyclic graphs (DAGs). We formally define the problem and prove its NP hardness. We also design a heuristic algorithm to solve the problem. Our simulation results show that the algorithm is effective at finding low-cost composition solutions, and can trade off computation overhead for better results. When compared with a hop-by-hop approach for service composition, our algorithm can find composition solutions that aress 10% smaller in cost, even when the hop-by-hop approach uses exhaustive searches.     

基于时间序列的感知QoS的云服务组合

研究基于时间序列的感知QoS的云服务组合,将服务的QoS偏好随时间不断变化的过程纳入云服务组合的研究范围,将云服务组合建模成时间序列的相似度对比问题。分别用欧几里得距离和扩展Frobenius范数距离度量二维时间序列的相似度,继而用基于主成分分析的扩展Frobenius范数距离和欧几里得距离、Brute Force等方法度量多维时间序列的相似度,通过实验对比验证扩展Frobenius范数距离度量相似度在时间和准确性上的优越性。关     

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。     

云计算环境中基于混合蛙跳算法的资源调度

提出云计算环境中基于改进混合蛙跳算法（Shuffled Frog Leaping Algorithm,SFLA）的保证QoS（Quality of Service）资源调度方案。根据任务和资源的特点提出SFLA两种编码结构及其对应更新方程;对调度方案的QoS给出定义;提出根据QoS值进行个体优劣选择的改进SFLA;在CloudSim平台对算法进行了仿真实验。实验结果证明所提出的计算方案有效。