WSF:基于FOWA的Web服务选择算法

为了解决语言型数据无法用于计算的问题,提出了一种基于FOWA的Web服务选择算法.该算法分为两个部分:WSF-DF(defuzzification algorithm for WSF)基于多个用户对于Web服务的语言型评价,进行服务选择;WSF-Credibility(credibility test for WSF)用来查出可能存在的用户恶意评价并排除,从而提高Web服务选择结果的可信性.仿真结果表明,相比于其他Web服务选择算法,WSF算法考虑到了多个用户的评价意见,可以避免少数用户恶意评价带来的干扰,服务选择结果符合用户的真实意愿.     

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.     

基于混合QoS的大群用户服务选择

群体活动在日常生活中非常广泛,面向群体的信息服务提供是必需解决的问题。群体规模较大和混合数据类型QoS模型给Web服务选择带来巨大困难。基于混合QoS模型,借鉴多属性群决策理论,提出面向大群体用户的服务选择算法。包括5个步骤:群体偏好确定、族加权权重确定、构造族加权规格化决策矩阵、确定理想方案、计算贴进度。另外,还介绍了一种Web服务QoS模型,能够描述实数、区间数、直觉模糊数表示的QoS信息。实验数据表明,该算法能够很好地解决混合QoS模型的大规模群体用户的服务选择问题。     

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QoS的语义Web服务选择框架

服务质量（QOS）成为动态选择满足用户需求的Web服务的关键因素。然而目前Web服务的QoS信息描述缺乏语义性,且Web服务的选择还不能做到完全自动化。文章提出一种Web服务的QoS本体结构,并在此QoS本体和原有的语义Web服务的基础上提出基于QoS的语义Web服务选择框架（QSF4SWS）。研究表明,该框架不仅增强了Web服务QoS描述的语义性,而且还能够实现Web服务的动态发现与自动选择。     

一种混合QoS感知的Web服务选择方法

运行环境的开放性和动态性使得Web服务QoS具有内在的不确定性.为此,首先对QoS不确定性进行了分析,并分别采用实数、区间数和随机数对不同特性的Web服务QoS进行描述.然后,结合用户QoS需求约束,分别利用可能度和半方差理论实现区间数和随机变量的比较,将不确定昆合QoS感知的服务选择问题转化为确定型多属性决策问题,并利用TOPSIS(technique for order preference by similarityto ideal solution)方法进行求解.服务选择考虑了客观权重和主观权重.最后,通过实验验证了服务模型的有效性.     

基于多属性群决策服务组合方案选取方法

针对如何快速、准确地得出最符合用户偏好的服务组合方案的问题,提出一种基于多属性群决策理论的服务组合方案选取方法。该方法根据匹配规则计算子服务QoS属性与用户偏好的相似度,进而依据相似度选取子服务进行组合,在多个服务组合方案选取中,将用户各偏好视做决策者,利用多属性群决策理论对所有方案进行优劣排序,从而选取最优组合方案。实验结果表明,该方法所得解方案相对较优,消耗时间较合理,进一步证明了该方法的有效性和可行性。     

基于多层匹配筛选的Web服务发现模型的研究

传统的Web服务只提供了按照简单分类和关键字的服务发现方法,因为基于语义的匹配通常也只关注服务功能性的匹配,所以通常查全率和查准率较低,且难以保证服务的快速定位.分析了现有的一些相关研究,在Web服务模型的基础上,结合逐层筛选的思想,构建了一个改进的多层匹配筛选模型,通过关键字匹配、语义匹配和QoS多维匹配进行多层匹配筛选.经过实验验证,此模型提供了一种有效的方法,可以弥补传统Web服务发现方法查准率低、功能性弱的不足,提高了Web服务发现的效率.     

基于QoS的动态Web组合服务选择方法

QoS已是衡量Web服务好坏的一个重要标准,基于QoS的Web组合服务在执行前进行的服务选择和执行中进行的服务选择是当前的主要两大选择方法。前者难以适应不可预知的服务环境变法,后者计算量大却难以控制整个服务流程的最优性。根据二者的优缺点,将二者结合起来提出了一种基于QoS的二次服务选择方法,先得到静态最优解集、在对其进行动态绑定。实验证明该方法可有效的避免二者的不足,继承二者的优点,保证服务的高效性,可靠性。     

面向服务质量的低负载Web服务选择方法

为提供具有服务质量(QoS)保障的Top-k服务并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Web服务选择方法RTKS-QoS。该方法在量化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Top-k服务。实验结果证明,在保证查准率的前提下,当k取值不大于候选服务集合的12%时,RTKS-QoS的流量负载和响应时间至少提升了38%及37%。     

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。     

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.     

一种基于自适应框架的Web服务选择算法

在服务组合中,动态环境的变化可能导致参与组合的Web服务行为发生变化。为此,提出基于自适应框架的Web服务选择算法,用于获取公共服务注册处的信息,并将其记录在本地绑定库中,利用链接分析算法获得绑定库某一时刻高链接度的Web服务,实现服务选择。实验结果证明,该算法可在服务组合中动态选择高质量的Web服务,降低由服务质量变化造成的服务组合失败率。     

一种支持QoS的自适应Web服务发现模型

服务质量是Web服务发现中的关键问题.该文提出一种支持QoS的自适应Web服务发现模型,在满足用户对Web服务功能需求的基础上,依据QoS等非功能性指标对Web服务进行选择和排序,并给出服务的选择排序算法,该算法以服务注册参数、用户反馈信息和实时监测数据为依据,能动态地对服务的非功能性指标进行评价,返回最合适的服务给用户.实验证明,该模型有效地提高了系统的可用性.     

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关联的Web服务组合算法

为反映Web服务组合过程中服务类之间的关联性和客户对服务非功能属性的偏好,以及服务调用过程中不同服务质量(QoS)属性之间的内在关系,提出基于QoS关联的Web服务组合决策算法。在评价服务组合优劣程度的过程中,考虑服务类在QoS属性上的关联关系,对QoS数据进行统一规格化和综合评估。实验证明,该算法拥有较好的执行效率和稳定性,并且选择结果较优。     

基于QoS多属性决策的Web服务组合优化方法

从海量候选服务组合计划中选择具有最优/满意服务质量( QoS)的计划,即基于QoS的Web服务组合,是面向服务计算的难题之一。为此,将该问题建模为多属性决策问题,同时针对传统多属性决策方法难以处理海量搜索空间的问题,提出一种结合折中比例法和遗传算法的新型智能进化算法( GACRM )。 GACRM结合了折中比例法的方案排序优势和遗传算法高效的全局搜索能力,能够从海量搜索空间中快速找到全局近似最优解。实验结果表明,该算法不仅能够高效地产生与折中比例法接近的最优方案排序,且在解决大规模Web服务组合问题上具有良好的可伸缩性。