Web服务QoS组合优化研究

Web服务的服务质量是选择服务的重要因素,但求解最优服务的选择较为困难。本文基于多目标组合优化提出了一种服务选择方法,根据不同服务QoS属性指标选择得到非劣解集合,再由用户的效用函数评价用户满意度。这种选择方法可以推广到服务组合过程。     

基于动态QoS的Web服务组合

在Web服务组合中,现行的几种QoS衡量标准都将重点放在单个Web服务本身的质量上,而忽视了Web服务动态特性、组合特性以及服务组合中的网络特性。另外,在诸多服务组合的算法中,都只是强调组合服务的总体质量,却忽略了用户对某些质量属性的约束条件,从而导致服务重计算问题经常发生。为此,考虑了服务动态特性以及服务间的协作关系对组合服务质量的影响,提出了动态QoS模型;同时,综合了用户的质量约束以及组合服务的整体质量,将用户的质量约束引入服务组合流程中。最后通过实验证实了所提出的动态QoS模型能够根据服务实体的实时情况计算服务质量,同时将用户的质量约束引入服务组合流程中,有效地避免了服务重计算问题。     

基于QoS模糊支配的并发服务组合方法

针对当前服务组合研究主要考虑单个用户请求而忽视并发请求的问题,提出一种基于QoS模糊支配的并发服务组合方法。根据QoS模糊支配关系,提出模糊支配得分的概念,以衡量服务的整体质量。在服务组合过程中,从每个组件中选出模糊支配得分最高的k个服务,去匹配批量的用户请求。对于每个组合请求,从每个相关组件的top-k服务中随机选择一个服务参与服务组合。实验结果表明,该方法可为用户提供较高质量的组合服务,具有较好的实时性。     

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。     

基于位置矩阵QoS感知的Web服务组合研究

提出了一种基于位置矩阵QoS感知的Web服务组合方法。该方法使用遗传算法用位置矩阵对基因进行编码,使得该编码方式可以表示服务组合的所有组合路径和重计划信息,算法的一次执行就能完成所有路径QoS最优的全局搜索和动态重计划功能。实验结果证明了该方法的有效性和可行性。     

基于改进遗传算法的QoS感知Web服务组合

传统遗传算法在种群初始化的时候,普遍采用均匀取种法或随机取种法,这些方法生成的种群的平均适应度比较低,难以保证算法的搜索效率。文中提出一种改进的遗传算法用于QoS敏感的Web服务组合,采用两种不同的算法进行服务选择,避免了随机生成初始种群给算法带来的负面影响。并且,该算法将路径模板化以减少服务组合的工作量,用染色体可变长的编码方式来解决组合服务的多路径选择问题。通过仿真实验,与传统的算法相比,所提出的算法在实现服务组合时收敛更快,最优解的适应度更高。     

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。     

基于改进遗传算法的 QoS 感知 Web 服务组合

传统遗传算法在种群初始化的时候,普遍采用均匀取种法或随机取种法,这些方法生成的种群的平均适应度比较低,难以保证算法的搜索效率.文中提出一种改进的遗传算法用于 QoS 敏感的 Web 服务组合,采用两种不同的算法进行服务选择,避免了随机生成初始种群给算法带来的负面影响.并且,该算法将路径模板化以减少服务组合的工作量,用染色体可变长的编码方式来解决组合服务的多路径选择问题.通过仿真实验,与传统的算法相比,所提出的算法在实现服务组合时收敛更快,最优解的适应度更高     

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.     

一种基于QoS的Web服务智能动态组合模型

针对当前Web服务数量剧增以及Web服务QoS综合评价不合理而导致Web服务组合效率和效用不高的问题,改进了Web服务组合中QoS计算模型,利用综合变权法动态调整每个Web服务多个属性的权值,并采用改进的粒子群算法来解决服务动态组合中QoS全局优化的问题.实验结果表明,该模型能够合理的选择和组合众多功能相同的服务,提高...     

基于QoS的可信Web服务组合研究

如何合理、高效地选择和组合众多功能相似的服务,为用户提供更优质的服务,是当前SOA领域研究的重点和难点。服务质量QoS(Quafity of Service)的引入,在一定程度上保证了服务组合的合理性,但对于如何确保服务组合的可信,目前还没有一个比较完善和可行的方案。因此,提出了可信Web服务组合模型(Trust Web Service Composition Modcl,TWSCM),并通过在原有Wcb服务体系架构上增加QoS代理和可信模块来确保服务组合的质量和可信。最后,在语言网格上进行了相关实验,结果表明,该方法能为用户提供高质量、可信的组合服务,从而验证了该方法的合理性和有效性。     

基于不完备用户偏爱信息的云服务组合研究

在用户与服务提供者交互时,提供的偏爱信息通常是不完备的。为在不完备偏爱信息的前提下实现有效的云服务组合,提出一种不完备偏爱信息权重确定算法,利用不完备粗糙集方法确定用户主客观权重,进而得到符合用户偏爱的服务组合。在云计算平台中的实验结果验证了该算法的有效性。     

遗传算法在Web服务组合中的应用

在Web服务组合的过程中,面对众多提供相同或相似功能的Web服务,根据每个服务的非功能属性即服务质量(QoS)进行服务选择是当前的研究热点.本文研究了基于多维QoS的带偏好和约束的服务组合优化问题,提出了基于QoS的全局最优问题模型,并设计了一种遗传算法(Genetic Algorithms, GAs)求解.模拟结果表明遗传算法适合求解一般的服务组合优化问题.     

基于遗传算法Web服务组合的一般过程

在以服务为主体的互联网下,单一的服务已经远远不能满足人们的需求。将多个服务组合来满足需求成为研究的重点。文章在研究现有方法的基础上,总结出此类问题的一般思路,并介绍每个环节中的各个方法,而后对各种方法进行对比。最后为今后的研究做出展望。     

多目标事务模糊关联聚类的云制造服务组合算法

目前的云制造服务组合方法单纯从某个角度研究服务组合问题,对基于多目标事务的云制造服务组合的考虑不足,服务组合质量不高。为实现敏捷、智能、平稳的云制造服务组合,基于开展多目标事务的云模式通用解析、多目标事务模糊关联特征的云模式通用表示、云制造服务组合多目标事务模糊关联聚类算法等方面研究,改进反向学习算法、可替换服务推荐算法、三角模糊函数、非支配排序遗传公式,设计一种敏捷、智能、平稳的云制造服务组合算法。最后,实施实验验证,与传统算法进行性能对比分析。实验结果表明,相比传统算法,该算法组合响应时间短、误差小,且收敛性、敏捷性、智能性、动态演化性、平稳性高。因此,该算法实现了基于多目标事务模糊关联聚类的云制造服务的有效组合,具有较高的应用价值。     

基于QoS的Web服务组合中多路径全局优化方法的研究

在基于服务质量(QoS)的Web服务组合中,提出一种采用路径模板编码机制的遗传算法来解决多路径全局优化问题.该方法首先在服务依赖图中基于语义匹配度约束获得多路径子图,并通过路径模板表示每条执行路径,然后采用路径模板机制控制初始种群个体的生成和交叉变异的产生,通过定义多路径选择结构的QoS聚合公式,设计多路径统一的适应度函数,从而使得代表不同路径的个体可以共存和统一处理,并通过单次运行实现多路径的全局优化,克服了传统的一维编码机制在多路径情况下需要多次编码,多次运行的缺点.最后通过实验以及与其他多路径算法比较,证明了该算法在收敛性和时间复杂度等方面的优越性.     

基于DEC_POMDP的Web服务组合优化算法

面向服务计算（ SOC）和面向服务架构（ SOA）技术共同推动了Web服务及其组合技术的发展。网络环境的动态变化及其对Web服务质量（ QoS）的影响,给服务成功组合带来挑战,为服务组合效果满足用户需求带来难题。为了得到经济、省时且成功率高的服务组合策略,综合考虑网络环境的动态变化、服务质量的可变性、用户需求的多样性,采用分散的部分可观测马尔可夫决策（ DEC_POMDP）模型描述多个服务Agent的自组织服务组合系统,在基本Q学习算法基础上做出改进,求解模型得到组合策略。实验结果表明求解的策略较大地提高了组合服务的成本、时间消耗,且组合成功率较高。采用的DEC_POMDP模型有效地将Web服务组合动态过程描述出来,并自适应地更新了QoS值,采用Q学习算法及时使用了最新的QoS值。