基于云模型的Web服务QoS预测

随着近年来Web服务数量的快速增长,用户-服务QoS(Quality of Service)记录矩阵变得日益稀疏。为了解决传统协同过滤算法在稀疏数据集上预测精确性不高的问题,利用欧几里得距离对数值敏感的特点,将云模型特征向量的欧几里得距离转换成云模型的相似度。对基于云模型的协同过滤算法改进,并将改进算法用于Web服务QoS的动态预测。考虑用户调用同一服务提供商的不同服务有相似体验,再结合云模型的相似度对QoS记录矩阵进行填充,在预测用户调用某服务的QoS时使用填充后的QoS记录矩阵进行计算,从而有利于解决稀疏矩阵下预测准确度难以提高的问题。实验表明,使用该算法的预测结果相较于传统的协同过滤算法有更低的平均绝对误差(MAE),能获得更高的推荐质量。     

面向服务遥感图像处理平台中时间感知的服务质量预测

面向服务架构(SOA)通过将遥感图像处理算法抽象成组件化的服务，进一步通过服务选择及组合，满足遥感图像处理的复杂业务需求。为了得到满足用户服务质量(QoS)要求的服务组件进行组合，前提就是获得所有服务的QoS。然而，对于用户未调用过的服务，其QoS是缺失的，因此围绕缺失QoS的预测出现了很多研究工作。针对目前QoS预测没有考虑时效性，进而影响了QoS预测准确度的问题,通过考虑时效性提出基于时间片的QoS模型，进一步基于协同过滤提出时间感知的QoS预测方法。在WS-DREAM真实数据集中的实验结果表明，时间感知的QoS预测方法能够获得较小的均方误差(MAE)和均方根误差(RMSE)。此外，对于可能影响时间感知QoS预测的多个参数，通过设置不同的参数组合进行了多次实验和分析，为参数的选择提供了一定的参考。     

基于SOM神经网络的服务质量预测

服务质量预测在服务计算领域中是一个热点研究问题.在历史QoS数据稀疏的情况下,设计一个满足用户个性化需求的服务质量预测方法成为一项挑战.为解决这一挑战问题,本文提出一种基于SOM神经网络的服务质量预测方法SOMQP.首先,基于历史QoS数据,应用SOM神经网络算法分别对用户和服务进行聚类,得到用户关系矩阵和服务关系矩阵;进而,综合考虑用户信誉和服务关联性,采用一种新的Top-k选择机制获得相似用户和相似服务;最后,采用基于用户的和基于项目的混合策略对缺失QoS值进行预测.在真实的数据集WS-Dream上进行大量实验,结果表明,与经典的CF算法和K-means算法相比,本文方法较大程度上提高了QoS预测精度.     

支持QoS和用户需求的Web服务选择模糊算法*

基于QoS的Web服务选择能为用户提供更好的服务质量,而基于用户对QoS的需求和偏好的模糊性来进行Web服务选择是其中的一种方法。如何通过这种方法合理地获得最优候选服务集,是Web服务架构亟待解决的一个问题。本文提出了一种支持QoS和用户需求的Web服务选择模糊算法,该算法将用户对QoS的需求及偏好的语言描述进行去模糊化,然后选择出最符合用户需求的服务集。通过对模拟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。     

基于协同过滤的个性化Web服务选择方法

对传统的Web服务选择算法进行分析,并指出其在动态环境下存在的问题。为了解决该问题,提出了基于协同过滤算法的个性化Web服务选择方法,并设计了一个动态的Web服务选择架构,架构使用协同过滤算法对Web服务的服务质量(QoS)值进行预测并选择最优的Web服务以满足用户的需求。使用150万条真实Web服务的QoS数据与其他4类算法进行了对比实验,结果表明所提方法的可行性和准确性。     

基于不确定服务质量感知的云服务组合方法

针对不确定服务质量（QoS）感知的云服务组合优化问题的求解,提出一种不定长时间序列（ULST）模型和锦标赛策略的改进遗传算法（T-GA）。首先,基于用户对服务不同时间段的访问规律,将服务质量的长期变化构建为不定长时间序列模型,该模型能够准确地描述一段时间内用户对服务的真实QoS访问记录。其次,提出一种基于不确定QoS模型的改进遗传算法,该算法采用锦标赛选择策略代替基本遗传算法中的轮盘赌选择策略。最后,在真实数据上进行了大量实验,所提的不定长时间序列模型能够有效地解决不确定QoS感知云服务组合问题,而锦标赛策略的改进遗传算法在寻优结果和稳定性方面均优于基于精英选择策略的遗传算法（E-GA）算法,且运行速度提高近1倍,是可行、高效且稳定的算法。     

基于云模型的不确定性QoS 感知的Skyline 服务选择

由于传统QoS感知的Web服务选择方法无法保证服务选择的可靠性和实时性,提出了一种基于云模型的不确定性QoS感知的Skyline服务选择方法.该方法首先通过云模型计算QoS的不确定性,然后采用Skyline计算提取Web服务中的Skyline服务,剔除冗余服务,最后采用混合整数规划在Skyline服务中进行服务选择.在公共有效数据集和合成数据集上的实验结果表明,所提出的方法能够为用户提供可靠、快速的服务选择.     

基于人工蜂群优化的支持向量机模型在Web服务QoS预测中的应用

在开放的网络环境下,Web服务的服务质量QoS具有很强的动态性。为了提高服务QoS的准确性,为服务选择、服务组合提供可靠的QoS信息,在考虑Web服务所处的网络环境和所要处理任务的特征对服务QoS影响的前提下,提出一种基于人工蜂群优化的支持向量机QoS动态预测方法。该方法首先对人工蜂群算法进行改进,提出了面向观察蜂的免疫选择机制和面向侦查蜂的改进逃逸机制;然后,采用改进的人工蜂群算法对支持向量机的参数进行优化;最后采用优化的支持向量机预测Web服务处理具体任务时的QoS。实验结果表明,该提出的QoS预测方法具有较好的预测速度和精度。     

基于协同过滤的自适应Web服务QoS预测方法

随着Web服务越来越多,服务质量QoS作为描述Web服务的非功能性属性变得越来越重要。通常,一种服务的QoS对用户来说是未知的,因此对于基于Web服务的应用,精确预测其未知的QoS对于成功部署该服务具有重要的价值。基于协同过滤的WSRec算法是一种高精度的QoS预测方法,为进一步提升QoS的预测精度,提出了一种协同过滤的自适应Web服务QoS预测方法。该方法通过客户端首先发出QoS-Web服务请求;服务端接到请求后,根据已有数据,计算两两用户或服务间的相似度;并根据相似性找到对于目标用户的K个最接近用户或服务,生成该QoS值预测值A;同时在计算相似性时,采用改进皮尔逊相关系数得到预测值B;最后将预测值A和B以权值相结合得到目标用户或服务的QoS值。该算法改进了单一的协同过滤在数据稀疏的情况下,对相似性给予过高估计的不足,使得QoS预测值精度得以提高,取得了更好的实验结果。实验表明该方法预测精度优于WSRec算法。     

基于SPEA2+算法的Web服务选择研究

服务选择算法是影响组合服务的QoS和服务组合性能高低的关键因素。针对将多维QoS属性加权聚合为一个目标函数进行优化的选择算法不能实质性地解决基于QoS的Web服务选择问题,采用改进的强度Pareto进化算法（SPEA2+）多目标优化求解该问题,设计了一种Web服务选择算法。该算法在满足声誉、可靠性和可利用性属性的约束下,同时最小化服务时间T和服务费用C,以产生Pareto最优解集。通过与运用SPEA2算法求解该问题的实验对比,表明了两算法所获取的Pareto最优解集中QoS属性T和C各均值各有优劣,用户可依据对T或C的偏好择优选择。     

一种时效感知的动态加权Web服务QoS监控方法

服务质量（quality of service,简称QoS）是衡量Web服务好坏的重要标准,也是用户选择Web服务的重要依据.能够实时而准确有效地对Web服务进行监控,是Web服务质量保障的重要基础.为此,提出了一种时效感知的动态Web服务QoS监控方法.该方法在传统加权监控方法中融入了滑动窗口机制和信息增益原理,简称IgS-wBSRM（information gain and sliding window based weighted naive Bayes QoS runtime monitoring）.该方法以一定的初始训练样本进行环境因素权值初始化,利用信息熵（information entropy,简称IE）及信息增益（information gain,简称IG）对样本所处混沌状态的确定作用,依次读取样本数据流,计算样本数据单元出现前后各影响因子组合的信息增益,结合TF-IDF（term frequency-inverse document frequency）算法对早期的初始化权值进行动态更新,修正传统算法对监控分类的类间分布偏差问题和参数未更新问题.另外,考虑训练样本数据的时效性,结合滑动窗口机制来对影响因子组合权值进行同步更新,以消解长期累积的历史累赘数据对近期服务QoS的影响.在模拟数据集和开源数据集上的结果表明：利用滑动窗口机制可以有效摒弃历史数据的过期信息,结合滑动窗口机制实现的基于信息增益的动态权值算法能够更加准确地监控Web服务QoS,总体监控效果明显优先于现有方法.     

FCM算法的改进及仿真实验研究

针对FCM原型算法的不足,提出一种新的改进方法,并进行仿真实验研究。利用主成分分析方法对原始数据集的指标进行筛选,应用Relief算法对入选指标计算权重。在此基础上,对FCM算法进行了改进。应用模糊划分系数Fc（R）和平均模糊熵Hc（R）这两个指标对算法的性能进行了评价。仿真实验结果表明,改进后的FCM算法对样本集数据的分类符合率达到了91.5%,其模糊划分系数Fc（R）和平均模糊熵Hc（R）分别为0.924和－0.062。改进后的FCM算法分类性能优于FCM原型算法,在应用中可以取得更好的效果。     

QoS可信的服务组合技术研究*

现有基于QoS的服务组合方法通常假定QoS数据可信,然而这种假设很难保证,虚假的服务对于服务组合实现的影响常常是致命的。针对该问题,提出一种考虑QoS可信的服务组合方法。分析了QoS来源,建立了相应的系统结构,划分了信任级别,根据社会交往方式量化了直接经验和间接经验在可信判断中的作用,并以此构建QoS的计算模型,设计了相应的算法。最后,通过仿真实验,将考虑可信的服务组合方法与未考虑可信的传统组合方法进行了比较,前者体现出明显的优越性,从而表明提出的方法在性能和执行效率上是可行的。     

多元时间序列的Web Service QoS预测方法

为准确并多步预测Web服务的服务质量（quality of service,简称QoS）,方便用户选择更好的Web服务,提出了一种基于多元时间序列的QoS预测方法MulA-LMRBF （multiple step forecasting with advertisement-levenberg marquardt radial basis function）.充分考虑多个QoS属性序列之间的关联,采用平均位移法（average dimension,简称AD）确定相空间重构的嵌入维数和延迟时间,将QoS属性历史数据映射到一个动力系统中,近似恢复多个QoS属性之间的多维非线性关系.将短期服务提供商QoS广告数据加入数据集中,采用列文伯格-马夸尔特法（Levenberg-Marquardt,简称LM）算法改进的径向基（radial basis function,简称RBF）神经网络预测模型,动态更新神经网络的权重,提高预测精度,实现QoS动态多步预测.通过网络开源数据和自测数据的实验结果表明,该方法与传统方法相比有较好预测效果,更适合动态多步预测.     

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。     

长期演进系统基于加权平均时延的下行资源调度

针对长期演进（LTE）移动通信系统下行链路传输中多用户的实时（RT）与非实时（NRT）业务传输性能需求问题，提出一种基于用户加权平均时延的改进型的最大加权延时优先（MLWDF）资源调度算法。该算法在考虑信道感知与用户服务质量（QoS）感知的基础上引入反映用户缓冲区状态的加权平均时延因子，该因子通过用户缓冲区中待传输数据与已发送数据的平均时延均衡得到，使具有较大时延和业务量的实时业务优先调度，提升了用户的性能体验。理论分析与链路仿真表明，提出算法在保证各业务时延及公平性的基础上，提升了实时业务的QoS性能，在用户数量达到50的条件下，对比MLWDF算法实时业务的丢包率降低了53.2%，其用户平均吞吐量提升了44.7%，虽牺牲了非实时业务的吞吐量，但仍优于VT-MLWDF算法。实验结果表明，所提算法在多用户多业务传输条件下提升了实时业务的传输性能，并在QoS性能上明显优于对比算法。     

一种高效的服务组合优化算法

随着功能性属性相同而非功能性属性各异的Web服务的大量涌现,如何在服务组合业务流程中为各个任务选择相应的组件服务以达到组合服务的QoS(quality of service)最大化,并在此基础上满足不同用户的需求,已成为了国内外研究的热点.由于该问题的复杂性(NP-hard),目前存在的大多数方法都并不十分适合需要相对精确、实时决策的Web服务组合系统.因此,本文提出了一种基于凸包构建的组合服务优化算法(CM-HEU)用以解决QoS感知的服务组合优化问题.CM-HEU首先通过对组合服务中的每组任务进行凸包构建,以减少搜索空间.然后通过对初始解向量的多次升级和一次降级操作以达到全局优化的目标.实验表明:相对于现阶段存在的一些主流方法,CM-HEU不仅能得到一个比较理想的结果,并且具有良好的效率.     

IEEE802.16e的实时上行链路调度服务优化算法

深入分析了IEEE802.16e建议的三种实时调度服务算法：UGS、rtPS、ertPS，并在此基础上提出了一种优化的实时调度服务算法：irtPS。该优化的调度服务算法在保证变化数据率实时上行链路的延时性能基础上，最大限度地提高了实时上行链路的资源利用率。数学建模分析结果显示，在保证延时性能的前提下，该优化的调度服务算法的系统容量较IEEE802.16e建议算法的系统容量有显著增加。     

基于QoS监控的Web服务选择方法

传统的Web服务框架不支持基于QoS的查询,不能满足用户对服务性能的要求。在传统的SOA框架上增加了QoS代理中心,并提出了两阶段的服务匹配算法。为了克服QoS动态变化的特点,通过QoS代理监控并记录以往运行的服务反馈的QoS值,来综合计算服务的QoS值。给出QoS记录权重随时间衰减因子,并描述了算法。实验表明该方法具有一定的可行性。