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。     

基于二维QoS模型的Web服务组合

在实际应用中,单个Web服务通常无法满足复杂应用的需求,如何组合已有的服务,从而提供更强大更完整的商业功能已成为此领域的研究热点。然而现行的SOA架构中,Web服务组合方法中很少考虑Web服务质量（QoS）问题,或者对Qos考虑得不够全面,这样,组合出的服务不能确保能够满足用户的QoS需求。针对这一问题,提出了Web服务的二维QoS模型,并使用了改进的UDDI规范,在此基础上给出了基于QoS的Web服务组合的有色Petri网组合策略。在满足用户组合服务的功能需求的同时,也满足了用户对服务质量QoS的需求,实现了需求服务的优化。     

一种有QoS保障的Web服务组合方法

随着可用Web Services数量的快速增长，如何根据用户的需求来自动组合Web Services，生成满足用户需求的组合业务，成为一项亟待解决的课题。提出了一种基于QoS的启发式算法，通过该算法，动态调用Web Services来自动生成满足用户所需目标的Web Service组合．同时，该算法还能够根据Web Services组合经验，对以后的Web Services组合方案进行调整。实验结果表明：该算法能够很好地适应网络上Web Services的不确定情况，与同类算法进行性能比较，也显示出较好的性能。     

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。     

Web服务组合中QoS评分度量模型的研究

在Web服务组合过程中,QoS(quality of service)是决定其组合能否成功的关键因素之一。这篇文章在分析了Web服务组合中QoS的非功能属性基础上,分别从四个角度来描述通用的QoS属性,并对服务构件的QoS服务质量进行了量化,最后给出了开放环境下Web服务组合中QoS的评分度量模型。     

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UDDI扩展的Web服务QoS模型

在现有UDDI规范中增设QoS认证组件,提出一个Web服务QoS评估模型。定义一组描述Web服务QoS属性分类的tModel,在引入QoS量化概念的基础上,结合QoS认证中心主动监视和服务消费者QoS反馈机制,对UDDI中注册的Web服务QoS进行动态评估和调整,保证了Web服务QoS信息的公平性、可信性和实时性。     

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。     

模型驱动的Web服务合成

随着已有Web服务数量的不断增加,如何利用现有的Web服务创建新的更复杂的Web服务成为一项新的研究课题。该文提出了MDA模型转换驱动的合成Web服务开发方法,针对Web合成的静态建模部分,提出了建立Web服务静态结构平台无关和平台相关模型的方法,给出了二者之间的转换规则。     

基于BPEL和QoS的动态Web服务组合框架研究

利用BPEL语言可以将单独的Web服务组合成复杂的业务流程,但是BPEL语言不支持在业务流程执行阶段进行修改操作。虽然BPEL语言有错误处理和补偿机制,但是如果业务流程不能继续执行就会影响到业务执行效率。针对这一问题,提出了基于BPEL和QoS的动态Web服务组合框架,利用QoS组件的动态绑定功能和UDDI的动态发现Web服务功能,实现在业务流程运行时动态选择Web服务的功能,从而提高业务流程的执行效率。     

基于本体和QoS的Web服务组合

服务组合是一种重要的服务应用形式,为服务重用与自动化集成提供了支撑。传统服务组合方法依赖基于关键字的查找,缺乏服务语义的分析,且现有服务组合算法往往未考虑QoS的因素。文章将语义本体和QoS结合起来,共同作为Web服务选择和组合的条件,以提高服务组合的质量和组合结果的执行效率。仿真实验结果显示出该方法较传统组合方法能够获得更好的组合结果,使应用的服务性能得到改善。     

一种QoS最优的语义Web服务自动组合方法

针对海量的信息提供类(Information Providing)语义Web服务的自动组合问题,提出了一种将正向搜索与逆向搜索相结合并追求QoS最优的快速组合方法.该方法首先根据用户的请求对服务库中的服务进行层次划分,去除无关服务并得到具有并行调用结构的组合服务原型即规划图;之后,利用得到的参数的服务源信息,计算每个服务的最优组合QoS;最后,以用户请求的输出参数为起点进行逆向搜索,以最优组合QoS为约束条件构造所有可能的最优解.以WS-Challenge 2009提供的竞赛集进行实验,结果表明该方法不仅能够找到组合服务的最优QoS,而且可以获得大量结构不同但QoS均为最优的解,从而为组合服务的执行提供更多的选择.     

一种服务聚合中QoS全局最优服务动态选择算法

Web服务作为一种新型的Web应用模式,近年来得到了迅速的发展.如何动态地把现存的各种Web服务整合起来以形成新的、满足不同用户需求的、增值的复杂服务已成为新的应用需求和研究热点.针对现有服务聚合中服务选择技术的不足,提出了一种解决服务聚合中服务动态选择QoS全局最优化问题的实现算法GODSS(global optimal of dynamic Web services selection).算法的主要思想是把服务动态选择全局最优化问题转化为一个带QoS约束的多目标服务组合优化问题,利用多目标遗传算法的智     

QoS驱动的Web Services方案相关合成

现有的Web Services合成算法较少关注Services的多标准,且较少考虑方案相关的思想.即使有算法考虑到上述问题,但为了体现方案相关,把全部的方案进行穷举后再进行对比,因此工作量繁杂.将QoS方法引入Web Services合成,对方法进行改进,从而在QoS的计算中体现方案相关.通过向量表示Services的代价,然后相应地改进迪捷斯特拉算法,逐步更新代价向量并计算QoS值进行路径选择.实验证明,该算法能在较好的时间复杂度内得到用户满意的合成方案, 在用户给定输出数量较大时,优势更为明显.     

Hybrid Metaheuristics Web Service Composition Model for QoS Aware Services

Recent advancements in cloud computing (CC) technologies signified that several distinct web services are presently developed and exist at the cloud data centre. Currently, web service composition gains maximum attention among researchers due to its significance in real-time applications. Quality of Service (QoS) aware service composition concerned regarding the election of candidate services with the maximization of the whole QoS. But these models have failed to handle the uncertainties of QoS. The resulting QoS of composite service identified by the clients become unstable and subject to risks of failing composition by end-users. On the other hand, trip planning is an essential technique in supporting digital map services. It aims to determine a set of location based services (LBS) which cover all client intended activities quantified in the query. But the available web service composition solutions do not consider the complicated spatio-temporal features. For resolving this issue, this study develops a new hybridization of the firefly optimization algorithm with fuzzy logic based web service composition model (F3L-WSCM) in a cloud environment for location awareness. The presented F3L-WSCM model involves a discovery module which enables the client to provide a query related to trip planning such as flight booking, hotels, car rentals, etc. At the next stage, the firefly algorithm is applied to generate composition plans to minimize the number of composition plans. Followed by, the fuzzy subtractive clustering (FSC) will select the best composition plan from the available composite plans. Besides, the presented F3L-WSCM model involves four input QoS parameters namely service cost, service availability, service response time, and user rating. An extensive experimental analysis takes place on CloudSim tool and exhibit the superior performance of the presented F3L-WSCM model in terms of accuracy, execution time, and efficiency.