基于QoS感知的Web服务推荐算法

为了改进Web服务推荐的准确性,通过分析现有Web服务推荐算法的面临的主要问题,提出了一种基于地域划分的Web服务推荐方法。该算法对Web服务进行区域划分,并对区域内Web服务进行分类,根据用户区域位置,计算消费者之间及服务之间的相似程度,并以此相似度为基础对使用者并未调用过的服务的质量进行预测。基于大量真实数据的实验显示,该算法在推荐准确性方面优于现有的基于协同过滤的Web服务推荐算法。     

基于QoS生命周期管理的服务组合在线优化方法

针对当前基于QoS的Web服务组合研究仅限于QoS生命周期的某一环节,提出了一个支持QoS生命周期管理的Web服务框架,基于该框架研究了服务组合在线优化的方法,提出了自动修正判断矩阵的层次分析法来实现基于QoS的在线局部优化策略。该方法针对因各种原因用户只能提供各QoS属性之间的相对重要性,而不能提供全局的QoS需求的应用场景,提供了一种在线局部优化解决方案。     

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。     

Web服务组合QoS全局优化算法

Web服务技术的发展使得组合Web服务的应用成为可能,组合服务的QoS优化问题的重要性越来越明显。遗传算法与蚁群算法是解决QoS全局优化的两种方法,针对采用蚁群算法进行优化时易出现的收敛速度缓慢及遗传算法易陷入局部最优解、效率不高的问题,结合两种算法的优势,充分发挥蚁群算法正反馈特性与遗传算法的快速全局搜索能力,改善QoS全局优化算法,提高了算法的优化能力,从而更好地解决了Web服务的QoS全局优化问题。     

随机QoS感知的Web服务组合概率分析

运行环境的开放性和动态性使Web服务的QoS具有内在的随机性。由QoS具有随机性的Web服务构造而成的组合服务,其QoS也具有随机性,从而使组合服务用户面临QoS需求不能被满足的风险。利用基于重要性采样的仿真方法,在随机PERT网络中对Web服务组合的QoS进行概率分析,以评估组合服务的QoS风险。方法通过一个简单的分布函数,引入权重函数以实现对目标分布函数的无偏估计。以实际的Web服务QoS数据为基础进行实验,对重要性采样技术和蒙特卡洛仿真的合理性和效率进行了对比,结果显示利用重要性采样技术进行组合服务QoS概率分析具有更高的精度与效率。     

基于QoS的语义Web服务发现研究

将QoS引入到语义Web服务中,分析了QoS本体的描述方法、Web服务的发现方法和语义Web服务发现方法,建立了一个通用的QoS模型,模型中的参数属性基本能描述QoS的衡量标准。提出了基于QoS语义Web服务发现框架,第一步通过功能来发现Web服务,第二步通过建立的QoS模型来评价发现的Web服务集合,找到QoS最佳的Web服务。最后通过实例建立了语义功能本体和QoS本体。     

基于服务质量的Top-k Web服务选择方法

Web服务的质量属性具有动态性,实时性特点,能提供具有服务质量保障的Top-k服务选择,同时有效降低服务选择系统对宿主服务器及网络带来的负载。提出一种使用单调服务质量的效用函数,在规范化QoS属性的基础上,通过计算给定服务效用函数的取值空间,快速筛选出满足要求的Top-k服务的RTKS-QoS算法。实验结果证明,在k<20的情况下,RTKS-QoS算法的响应时间及给网络带来的流量负载,与不使用优化的情况相比,分别平均降低了55%及52%。     

A service accountability framework for QoS service management and engineering

Service science, management and engineering (SSME) research is to study the methodology and technology for service innovation, design, development and delivery. Since service industry is very quality-sensitive and trust-dependent, we propose a service accountability management framework to detect, diagnose, defuse and disclose the root cause for any problematic service process. The accountability support is important for SSME since service processes often rely on external service providers to deliver part of the service functionalities. A service system must have effective yet efficient mechanisms to ensure that every external service is delivering a consistent and acceptable level of performance to meet the end-to-end quality of service (QoS) of the whole service process. In this paper, we present the accountability framework, identify the components in an accountable service architecture, and design an accountability diagnosis methodology. We also briefly present the inteLLigent Accountability Management Architecture (LLAMA) project which implements the accountability service bus (ASB), an agent-based middleware to support the monitoring, diagnosis, and reconfiguration of e-services. LLAMA ASB interacts with accountability agents to monitor services and the Accountability Authority to automatically diagnose faulty situations. The LLAMA technology is useful to ensure the QoS in SSME-based systems.     

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。     

适应模糊QoS约束优化的Web服务选择技术研究

基于QoS优化的全局Web服务选择涉及多目标和多阶段的服务合成,以及各种QoS属性的折衷,如可信性、可用性和声望等,因此提出了适当的基因算法来处理服务选择问题。由于发现质量驱动的Web服务选择是一个NP-hard问题,实际的多目标或QoS标准并不总是明确的,常常包含模糊元素。着重研究多目标Web服务选择过程中模糊QoS属性和适应进化函数之间的关系,以及如何调节个体模糊QoS属性以实现整个种群进化的问题。     

基于最大熵原理的Web服务QoS概率分布获取

为了进行服务风险管理,需要了解服务质量（QoS）的随机特性,而描述QoS随机特性的一种有效手段是获得其准确的概率分布。为此,提出了一种基于最大熵原理在小样本情况下获取Web服务QoS概率分布的方法。方法采用最大熵原理将小样本情况下QoS概率分布获取的问题规约为一个由已知QoS数据确定约束条件的最优化问题进行求解,获得QoS概率密度函数的解析式,然后设计了对该概率密度函数解析式参数进行估计的算法。最后,以实际的Web服务QoS数据为基础,通过实验验证了该方法对不同QoS分布获取时的有效性和合理性,并验证了分布获取算法的效率和终止性。     

一种基于QoS约束的Web服务选择模型

针对Web服务质量(QoS)评价结果准确性较低的问题,提出了一种新的基于QoS约束的语义Web服务选择和排序模型,引入诱导有序加权平均算子(induced ordered weighted averaging operator,IOWA),充分利用服务的历史QoS信息来对各QoS属性值进行预测,并依据属性的信誉值分配发...     

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QoS约束的语义Web服务匹配机制研究

在语义Web服务中,OWL-S虽然包括一些如质量保证等的有关服务质量参数的描述,但仍缺少一个较为完善的Web服务QoS模型描述,此外,语义Web服务质量的研究主要考虑服务质量的静态因素,而服务的QoS信息动态变化的情况较多,本文实现了对服务质量QoS的语义描述扩展,并在对语义Web服务QoS描述模型研究的基础上,充分考虑服务的QoS信息,提出了基于QoS约束的语义Web服务匹配算法。     

一种基于P2P网支持QoS的语义Web服务的匹配模型*

如何准确而又高效地匹配零散分布于各地的Web服务,通过分析现有的一些相关研究,在P2P网络的基础上提出了支持QoS的语义Web服务匹配模型。模型首先分析了P2P网络的特点,在扩展UDDI的基础上,结合目前语义Web服务匹配的多层匹配思想,提出一个三层次的匹配筛选算法,并对基本描述、语义Web服务匹配、服务质量各层的匹配算法进行了深入讨论,用相似函数来度量服务提供方与服务请求方的Web服务相似程度,为Web服务匹配和发现提供了一种有效的方法。     

基于语义相似度与QoS的Web服务匹配模型研究

针对本体概念和Web服务活动的交互问题,提出了一种新的Web服务匹配技术,建立了基于语义相似度匹配和QoS匹配相结合的服务匹配模型.根据本体构造虚拟的映射函数,计算该函数涉及的本体概念的语义相似度,进行第一次服务匹配,计算第一次匹配得出的候选服务集属性的QoS效用值,根据效用值进行服务的第二次匹配,由此实现在功能性、非功能性方面都可以达到用户的需求目标.模拟实验验证了所提匹配策略的可行性与有效性.     

网络控制系统Web服务器服务质量管理方案的研究

提出一种基于Web的自适应内容传输管理方案,为不同网络客户提供不同优先级的性能服务,并且各种服务相互独立,同时能基于请求率和传输带宽共享系统资源。这种方案在传统的允入控制基础上改善了服务性能,根据网络负载情况和服务质量需求自适应选择传输内容,满足了客户对网络传输服务质量需求。该管理方案可以在三层模型的中间层实施,便于修改和维护,给出的实验结果显示了该方案的有效性。     

QoS4IVSaaS: a QoS management framework for intelligent video surveillance as a service

Quality of service (QoS) is critical for real-time intelligent video surveillance as a service (IVSaaS) platform, which is both computation intensive and data intensive by nature. However, there is scarce work on a QoS framework for IVSaaS platform. In this paper, we propose QoS for intelligent video surveillance as a service, a QoS framework to make computing resources highly available. In the framework, multiple metrics such as throughput, loads of CPU/GPU, memory and IO are taken into account with different time series models to enhance the adaptivity of different video services. A model selection algorithm is proposed to choose the model that achieves the best performance under various error indicators. At the same time, a resource abnormality detection algorithm is designed to detect anomalies when a service is underperformed. Evaluation results show that the proposed QoS framework can successfully ensure QoS by dynamically scheduling computing resources.