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.     

基于灰色关联分析的Web服务选择

为方便用户选择最优Web服务,利用灰色系统理论对Web服务质量QoS属性因子进行分析,提出了一种基于用户QoS偏好的Web服务灰色关联分析方法。考虑到Web服务QoS的不确定性,该方法使用区间对Web服务QoS值进行建模。为了确定候选服务的QoS与用户QoS需求的符合程度,先针对服务的每个QoS属性,计算其与用户QoS需求的灰色区间关联系数;然后结合各个QoS属性的关联系数计算候选服务的QoS与用户QoS需求的综合灰色区间关联度,关联度越大的服务越符合用户的要求;最后从满足用户功能需求的Web服务中选择灰色关联度最大的Web服务推荐给用户。与其它Web服务评价模型相比较,该模型更加符合Web服务QoS的实际情况,能够在服务QoS信息不充分、不确定的环境下,对QoS属性进行合乎实际的分析处理,从而得到更加合理有效的QoS评价。     

基于模糊QoS和偏好权重的Web服务组合方法研究

为了充分体现服务质量(QoS)的不确定性和用户偏好的模糊性,本文将模糊集理论引入基于QoS的Web服务组合中,将不适合精确表示的QoS属性和用户偏好等信息用三角模糊数表示.然后基于权重和法计算模糊总目标,通过设计新的模糊数比较方法,改写Pareto支配关系,将基于模糊数比较的单目标优化问题转化为多目标优化问题,并设计模糊多目标遗传算法(FMOGA)求得Pareto最优解集.该方法不仅能够得到更加贴近实际情况的优化解,同时也解决了多属性决策方法无法对大量候选服务进行全局优化的问题.最后通过实验验证了该算法的有效性和优越性.     

面向大群体用户的模糊服务选择

面向群体的服务选择在社会生活中应用非常广泛;而群体规模较大并且QoS需求个性化和模糊QoS给Web服务选择带来巨大困难。基于多属性群决策理论提出面向大群体用户的模糊服务选择(BGFWSS),其包括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、群体综合评价。另外,还介绍了一个新的Web服务QoS模型,其能够描述实数、区间数、直觉模糊数表示的QoS信息。实验数据表明,BGFWSS能够很好地解决模糊QoS的大规模群体用户的服务选择问题。     

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。     

一种支持混合QoS属性的服务选择方法

当前的服务选择方法大都假设所有服务的QoS(Quality of Service)属性值必须均为确定的实数,并未考虑QoS属性的模糊性。这个假设在实际应用需求中具有一定的局限性,还会丢失大量的数据信息。为增强QoS表达能力,将QoS属性值描述成精确数值型、区间数值型、模糊数值型。同时,用序关系向量表示用户对不同QoS属性的需求偏好,将其转换成用户对QoS属性的主观权重,并采用熵权法计算QoS属性的客观权重。在此基础上,采用相对优势度算法给出混合QoS属性的服务选择过程。最后通过模拟和实验验证,证明相对优势度算法的有效性与合理性。     

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.     

网格环境下一种用户偏好的表示和计算方法

为保障用户特定的QoS需求,需要有效地表示和计算用户的需求偏好信息,为此提出了一种QoS偏好的序关系向量表示和计算方法.该方法首先把用户对QoS属性的偏好次序,转化为序关系向量表示,然后运用优化模型计算出QoS属性的权重向量,最后利用QoS权重向量来确定候选服务的优先顺序,从而保证了用户特定的QoS需求.该方法能把用户QoS偏好信息转化为可量化计算的形式,具体实例结果表明了该方法的有效性.     

网格环境下一个用户偏好的计算方法及应用

为满足用户的按需服务需求,首先提出用户QoS属性判断矩阵来表示用户偏好的方法,同时定义了相应的用户偏好函数和QoS满意度。应用用户偏好的矩阵表示和计算方法,提出一个网格服务选择算法,该算法能反映用户的QoS偏好,实现按需服务。对该算法的有效性进行了理论分析和测试,结果表明应用了用户偏好的选择算法,能可靠地选择出反映用户QoS偏好的相对最优服务,且具有良好的稳定性,该方法可用于在网格环境中进行用户个性化需求的保障。     

面向用户需求的动态QoS服务选择方法研究

高效、准确地为用户选择满足其需求的软件服务一直是近年来的研究热点。服务质量（Quality of Service,QoS）是衡量软件服务性能的关键指标之一,考虑到同一服务在不同网络环境下QoS值的动态性,提出一种面向用户需求的动态QoS服务选择方法,简称URDQ方法。URDQ方法采用区间数的形式记录动态环境下候选服务的属性值范围,并基于用户需求对候选服务进行初步过滤;通过区间数模型对候选服务属性区间和用户需求区间进行相对优势度计算,将属性区间数转化为易于计算的实数;使用Skyline方法对候选服务集进行过滤,减小搜索空间;根据熵权法得到的客观权重并结合用户给定的主观权重,使用TOPSIS方法对Skyline服务集进行排序。仿真实验和对比实验验证了URDQ方法在动态网络环境下的可行性和有效性。     

基于可信推荐的服务质量评估模型

由于网络用户多样性和利益诉求的复杂性,部分用户发布的QoS数据不完全可信,以致影响了QoS评估的精度,为此提出基于可信推荐的QoS评估模型TR-SQE。该模型以用户推荐的与众不同程度作为其推荐信任度,隔离推荐信任度低于阈值的用户发布的QoS数据;TR-SQE将修正过的QOS信息作为推荐数据,接着根据用户与推荐者的偏好相似性来评估服务质量。分析和仿真结果表明,TR-SQE的平均绝对偏差MAE较其他方法小,评估结果与真实的服务质量基本相符,TR-SQE有助于用户的服务选择。     

基于全局QoS 约束分解的Web 服务动态选择

随着执行时绑定的Web服务的提出及其被大量地应用到开放式服务中,用户对支持快速和动态的Web服务组合提出了新的要求.即在组合过程中,用尽可能短的时间花费选择满足用户端到端的QoS要求的服务.针对上述要求,提出了一种基于全局QoS约束分解的动态服务选择方法(Web service dynamic selection approach,简称WSDSA).该方法的主要思想是,通过基于模糊逻辑的自适应调整方法(adaptive adjustment method,简称AAM)和自适应粒子群优化算法(adaptive particle swarm optimization,简称APSO)将全局QoS约束自适应地分解为满足用户偏好的局部约束,然后利用局部最优获得最合适的组合服务.性能评价表明,WSDSA方法具有较好的有效性,仅用较低的时间花费就能达到或接近全局最优解,能够满足服务选择的实时性和动态性.     

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。     

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。     

基于最大应用模板的服务组合模型

针对面向服务架构中的服务组合问题,提出基于最大应用模板的动态应用定制与服务组合模型,采用最大应用模板描述一类应用的业务逻辑,根据用户输入自动演化生成个性化的应用定制,并以此实现服务组合,采用基于信用的服务质量保证机制和动态重构技术保证组合的服务质量,设计并实现基于该模型的一站式服务平台DACSC,对相关算法进行仿真验证。结果表明该模型可以自动实现应用定制和服务组合,并能降低用户交互次数和服务调度次数,保证组合服务的高可用性。     

基于关联规则挖掘与用户情景感知的Web服务QoS预测

作为Web服务的非功能性属性,Qo S在服务选择与服务组合中扮演着重要角色。由于一些Qo S属性值会随着用户情景属性的变化而动态变化,因此在做服务选择或服务组合之前先对Web服务的Qo S做预测是非常必要的。该文提出运用数据挖掘技术挖掘服务组合执行日志,研究服务Qo S和用户情景间的关联关系,根据得到的关联规则对不同用户做个性化服务预测。实验结果表明我们的方法非常有研究价值。