一种新的 QoS 全局最优 Web 服务选择算法

针对运用单目标优化算法求解基于 QoS 的 Web 服务选择问题的不足,设计了一种新的 QoS 全局最优Web 服务选择算法.该算法同时优化组合服务的多维 QoS 属性的多个目标函数,并产生 QoS 全局最优的 Pareto 最优解集.首先建立服务选择问题的多目标优化数学模型,然后采用归档式多目标模拟退火设计该算法以优选 Web服务.实验结果表明了该算法是可行的,实现了全局 QoS 最优化的组合服务.     

动态QoS数据驱动的可靠Web服务选择

基于服务质量(QoS)的Web服务最优选择是一个热点问题。高度动态的QoS数据导致QoS模型的不确定性,对可靠的Web服务选择构成巨大的挑战,该文提出动态QoS数据驱动的可靠Web服务选择(DQoS_RSS)。首先利用均值标准差刻画QoS数据的效益和风险,提高QoS描述的准确度;接着建立不确定服务Skyline集,缩小搜索空间,提高选择效率;借鉴优劣解距离法(TOPSIS),设计2种Web服务选择算法,获得体现用户需求的最优服务。另外,介绍2种QoS模型转换器,以及能够适应QoS动态变化的QoS模型自适应调整机制。最后,实验分析验证了该方法的优越性和高效性。     

多层次组合Web服务筛选方法

为了能够更好地满足用户对服务组合的需要,文中首先给出了多层次纽合Web服务的筛选模型,并将多层次组合Web服务筛选模型分为五个步骤。在此基础上将Web服务的属性分为功能属性和非功能属性（即QoS属性）。通过划分服务类对功能属性进行描述,并按照服务类以QoS属性的类型进行服务组合。最后给出了多目标方案筛选方法及其实验。     

基于蚁群算法的Web服务选择

Web服务组合是为Web用户提供高质量、个性化服务的主要手段,而Web服务选择是进行组合的前提和基础。阐述了蚁群算法的原理,分析了Web服务选择的模型,把蚁群算法引入Web服务选择领域,将基于QoS的Web服务选择问题转化为最优路径选择问题。给出了使用蚁群算法解决Web服务选择问题的实施步骤,对比分析了蚁群算法在不同参数下对服务选择正确率的影响,通过具体的场景测试了蚁群算法对于解决Web服务选择问题的有效性。     

一种基于多QoS注册中心和模型异构的WEB服务选择算法

多QoS注册中心并且QoS模型异构给服务选择带来巨大困难。借鉴多属性群决策(MAGDM)理论的基本思想,该文提出一种解决上述难题的多注册中心和模型异构的Web服务选择算法(MRHQ_WSSA)。MRHQ_ WSSA算法能综合评估各QoS注册中心的QoS信息,从而获得QoS综合最优的服务组合计划。MRHQ_WSSA算法包括5个步骤:用户偏好规格化、群偏好确定、加权规格化决策矩阵、确定群理想方案、计算群贴近度。最后通过实验验证算法的优势和有效性。     

Web服务组合QoS优化问题综述

服务质量QoS是考察Web服务组合的重要指标.近年来,针对国内外Web服务组合QoS优化问题进行了总结综述.介绍了Web服务组合服务质量QoS的定义.对基于QoS的组合优化算法进行了分类概述并举例分析.阐述了Web服务组合QoS测量与建模方法.     

基于Web Services的QoS本体研究

QoS本体为描述不同系统的QoS参数提供了一种有效、可重用的模型,已经应用于Web Services选择、QoS监控和QoS参数调整等方面。通过比较和分析几种典型的QoS本体的特点,可以得出大多数QoS本体考虑如度量、协议和网络属性等概念,这些特征应用于Web Service发现,特别是Web Service选择,对进一步开发QoS本体、选择最优的服务质量有着重要意义。     

一种面向Web服务的QoS提供器模型

随着Web服务的广泛应用和发展，提供QoS保障能力是Web服务在商业应用中获得成功的关键因素．然而目前许多企业应用并没有提供面向QoS的Web服务，而修改已有的实现来满足客户对QoS需求的代价是非常高的．针对这一问题，本文提出了一个面向Web服务的QoS提供器模型，通过提供灵活的QoS处理器（QoS Handler）管理和部署机制，可以使原系统在不改变内部实现的情况下，向客户提供满足其QoS需求的Web服务．QoS提供器存应用服务器平台上进行了原型实现，结果表明它可以有效地为企业系统添加QoS保障．     

OOPN下基于优先级算法的Web服务组合

结合面向对象技术和Petri网技术的优点,将Web服务映射为一个对象,把对象抽象为一个方法的集合,通过对象的输入输出消息接口在方法层上讨论Web服务的组合.给出第一、第二优先级的定义,设计一个优先级算法,根据优先级能够选择出最佳的Web服务进行组合,从而得到最优组合Web服务,满足用户的服务请求.最后,给出一个Web服...     

基于Bootstrap技术的Web服务QoS值的置信区间估计和预测

目前对Web服务QoS（Quality of Service）的预测研究,通常预测QoS的静态值,很少预测QoS值的置信区间.本文借助非参数统计学的Bootstrap技术,提出估计Web服务QoS值置信区间的方法;然后利用与当前Web用户相似的其他Web用户调用待预测Web服务的QoS历史数据,预测当前Web用户调用待预测Web服务的QoS值的置信区间.本文估计了WSDream数据集1中每个用户调用每个Web服务的QoS值的置信区间,实验发现这些置信区间的上下限近似服从重尾分布.通过随机选择WSDream数据集1中60%到90%的用户和Web服务作为训练集,预测另外10%到40%的用户和Web服务的QoS值,实验结果表明预测的QoS置信区间与估计的QoS置信区间的平均覆盖率超过70%,最高达76%.在服务选择或服务推荐时给用户提供一个估计的或预测的QoS置信区间,可以更好地满足用户的个性化需求.     

支持事务机制的Web服务组合QoS属性预测方法

该文提出了一种支持事务机制的Web服务组合QoS属性预测方法。分析了事务异常处理策略及其对组合服务执行流程的影响,定义了支持事务机制的组合服务描述模型,并基于此模型提出了组合服务QoS属性预测算法。实验证明该文方法在对具有事务机制的组合服务进行预测时,准确度优于已有的工作流预测方法,具有较好的可行性和有效性。     

利用新的模糊免疫分类器的评价模型设计

随着Web服务数量的增加,根据Web服务的多维Qos属性度量Web服务质量成为研究热点之一。提出了一种利用模糊免疫网络记忆分类器的Web服务Qos评价。在该评价中首先结合SOA中Web服务描述给出了Web服务QoS评价模型。然后提出了一种新的人工免疫分类算法——FAINMC,利用该算法利用该算法对大量的Web服务实现准确、高效的分类。通过每类记忆细胞反应的特征得到相对应服务等级,最后使用模糊隶属度和百分法得到了反应Web服务质量优劣评价值。通过原型系统对模拟Web服务属性数据进行测试,表明该方法优选出QoS值尽可能大,QoS向量分量的特征分量一致性好的Web服务。     

Research on user-aware QoS based Web services composition

To improve user experience of composite Web services, a user-aware quality of service (QoS) based Web services composition model is proposed. Under such model, a Web services selection method based on quantum genetic algorithm is proposed. This algorithm uses quantum bit encoding, dynamic step-length quantum gate angle adjustment, neighborhood service search and dynamic punishment strategy to expand search scope and speed up convergence. Simulation experiment shows that this algorithm is more efficient than other existing algorithms in Web services selection.     

基于服务计算的服务组合研究

通过分析现有Web服务组合系统的组合方式及特点,将服务计算引入到Web服务组合领域,提出了基于服务计算的Web服务组合系统方法,设计了基于服务计算的服务组合模型。通过松散耦合的服务组合模型来实现Web服务组合,可为服务消费者提供一个适当的、开放的、按需配置的安全的Web服务组合环境。     

Web service selection algorithm based on principal component analysis

Existing Web service selection approaches usually assume that preferences of users have been provided in a quantitative form by users. However, due to the subjectivity and vagueness of preferences, it may be impractical for users to specify quantitative and exact preferences. Moreover, due to that Quality of Service (QoS) attributes are often interrelated, existing Web service selection approaches which employ weighted summation of QoS attribute values to compute the overall QoS of Web services may produce inaccurate results, since they do not take correlations among QoS attributes into account. To resolve these problems, a Web service selection framework considering user’s preference priority is proposed, which incorporates a searching mechanism with QoS range setting to identify services satisfying the user’s QoS constraints. With the identified service candidates, based on the idea of Principal Component Analysis (PCA), an algorithm of Web service selection named PCA-WSS (Web Service Selection based on PCA) is proposed, which can eliminate the correlations among QoS attributes and compute the overall QoS of Web services accurately. After computing the overall QoS for each service, the algorithm ranks the Web service candidates based on their overall QoS and recommends services with top QoS values to users. Finally, the effectiveness and feasibility of our approach are validated by experiments, i.e. the selected Web service by our approach is given high average evaluation than other ones by users and the time cost of PCA-WSS algorithm is not affected acutely by the number of service candidates.     

基于时序约束分解的QoS感知的Web服务组合

基于时序约束的QoS感知的Web服务组合(TC-QSC)问题是在考虑时序约束的基础上寻找满足QoS约束或效用最大化的Web服务组合问题,受到了越来越多的关注.本文提出了一种时序约束分解方法,把施加于整个或部分工作流的时序约束分解为施加于每个活动的局部时序约束,从而将TC-QSC问题转换为一般的QoS感知的Web服务组合(QSC)问题,并通过过滤不满足局部时序约束的候选服务,一定程度上减小原问题的规模.这种时序约束分解过程主要依赖于工作流及其涉及的活动,而与各活动的候选服务关联不大,复杂度较低.实验测试了该方法的效果与时间开销,验证了其对于局部优选算法的必要性.     

基于结构化噪声矩阵补全的Web服务QoS预测

随着面向服务计算技术的快速发展,越来越多具有相同或相似功能的Web服务被部署在网络上。用户进行服务选择之前,通常需要根据历史调用信息对未使用过的服务QoS进行预测。由于历史调用信息收集过程缺乏有效的监督和约束机制,所采样的QoS信息往往容易受到结构化噪声污染,从而导致现有方法预测性能急剧下降。为了克服这个困难,通过将Web服务QoS预测问题建模为L2,1范数正则化矩阵补全问题,提出了一类基于结构化噪声矩阵补全的Web服务QoS预测方法。真实数据集上的实验结果表明,该方法不仅能精确地辨识出QoS采样矩阵中噪声行所在位置,而且能对缺失Web服务QoS进行有效预测。