混合QoS聚类的服务组合

为了有效解决混合数据类型描述服务质量（QoS）和服务组合计划规模较大情况下的服务选择问题,提出一种基于多属性决策理论的混合QoS聚类的web服务组合算法(CHQoS_WSCA). 该算法不仅能够评估以实数、区间数、三角模糊数、直觉模糊数描述的QoS信息,还能有效解决组合计划规模较大时算法的性能问题. 介绍了一个新的web服务QoS模型,能够描述实数、区间数、三角模糊数、直觉模糊数表示的QoS信息和一种异构QoS聚合算法. 仿真实验结果验证了该算法的优越性和有效性.     

基于直觉模糊理论的混合多属性Web服务选择

针对多个功能相同或相似的服务,提出了基于直觉模糊理论的混合多属性Web服务选择.将QoS属性分为精确数值型、区间数值型和语言型,并利用层次分析法给出了用户QoS偏好的计算方法.引入直觉模糊集理论将混合型QoS属性统一为直觉模糊数,采用直觉模糊加权算术平均算子对QoS决策矩阵各指标集结,利用直觉模糊得分函数对各决策方案进行排序,实现了基于QoS的Web服务选择.实例验证结果表明,该方法具有一定的有效性.     

基于I-IFHA算子的动态直觉模糊多属性群决策方法

假设各决策时段的时间权重、各决策时段下的属性权重以及决策者权重均已知,各决策者针对各决策时段给出的属性值以直觉模糊数形式给出的动态多属性群决策问题,提出了一种基于导出直觉模糊混合平均(I-IFHA)算子动态直觉模糊多属性群决策方法.该方法利用动态直觉模糊加权平均(DIFWA)算子和动态加权平均(DWA)算子集结动态决策信息分别得到各决策者的综合直觉模糊决策矩阵和综合属性权重向量,并在此基础上利用直觉模糊加权平均(IFWA)算子计算得到各决策者下各方案的直觉模糊评价值;利用I-IFHA算子集结决策者群体决策信息得到各方案的综合直觉模糊评价值;利用直觉模糊数的得分函数及精确函数对决策方案进行排序和择优.最后,通过投资银行对企业进行投资的实例说明了该方法的应用.     

粒子群算法求解Web服务组合中基于QoS的服务选择

针对现有web服务组合中服务选择技术的不足,提出了一种基于粒子群优化算法的多
目标优化策略,用于解决web服务组合中基于服务质量（QoS）的服务选择全局最优化问题.
将web服务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
标粒子群算法的智能优化原理,通过同时优化多个QoS参数,最终产生一组满足约束条件的P
areto最优解. 实验结果证明了该算法的可行性和有效性.     

均衡收益和风险的Web服务Skyline查询

为解决基于服务质量(QoS)的web服务选择中只考虑QoS的收益(均值),不考虑风险(即动态变化)的Skyline查询问题,提出均值标准差描述QoS(均值描述QoS的收益,标准差描述QoS的风险)的服务Skyline计算方法和4种服务Skyline查询算法,即基于均值标准差的BNL算法(BNL_MS)、基于均值标准差的D&C算法(DC_MS)、基于均值标准差的NN算法(NN_MS)、基于均值标准差的BBS算法(BBS_MS).该方法能剔除被支配服务,给出QoS属性全优且稳定的服务集,有效缩减备选服务集.实例和实验结果表明:1)均值标准差较均值、区间数、模糊数、随机数不仅能很好地刻画QoS的收益还能刻画风险;2)服务Skyline计算能有效计算服务最优集;3)BBS_MS算法较BNL_MS、D&C_MS和NN_MS算法具有更好的性能.     

基于BPSO的web服务推荐策略

为解决web服务的优化选择,提出一种基于离散二进制粒子群算法(binary particle swarm optimization,BPSO)的web服务推荐策略.用数学方法阐述基于服务质量(quality of service,QoS)的业务组合,将业务单元组合转换到服务组合,给出不同服务组合模式下的QoS属性值计算公式,提出web服务集和嵌套概念,对具有嵌套模式的服务组合进行逐一遍历.将基于QoS的web服务组合优化问题看成是多目标优化决策问题,提出基于BPSO的web服务组合优化数学模型,利用目标加权法简化多目标决策问题.对BPSO进行改进,构建了基于BPSO的web服务推荐仿真系统,仿真表明,该方法高效可行.     

基于直觉模糊集的产品规划评估群决策研究

针对实际管理决策中,决策问题要求多个决策者参与,同时需要全面、细腻的描述方法体现对客观事物的认识和表达的问题,将直觉模糊多属性群决策方法应用于企业产品管理决策中。首先给出了基于直觉模糊Einstein混合平均算子的多属性群决策算法,提出了一种直觉模糊算子自适应位置赋权算法,然后结合产品规划的特点,分析了产品市场吸引力、竞争性评价和财务回报评估要素,建立了产品规划多属性群决策模型,最后通过算例分析验证了该方法的有效性和可行性。     

基于离散粒子群优化的鲁棒Web服务组合

服务于互联网业务的Web服务,其服务质量（QoS）具有内在的不确定性,增加了QoS感知的Web服务组合优化难度。假设QoS及其聚合服从正态分布,构建一种QoS感知的鲁棒Web服务组合优化模型,重点讨论两个独立的正态分布随机变量的和、最大值、最小值和积的期望与均方差的计算方法。通过重新定义加减法操作算子,选择合适的适应度函数,设计一种支持约束条件的离散粒子群优化算法求解该模型。仿真实验表明,该模型具有较好的精度,所获取的组合服务具有较好的鲁棒性。     

不确定信息下基于改进粒子群算法的Web服务选择

针对有QoS保障的组合服务选择中,Web服务的QoS难以精确测量以及用户的QoS需求难以准确表达的问题,提出了一种不确定信息下服务选择的新方法,该方法采用区间数的形式描述用户的QoS需求以及服务的QoS指标,引入组合服务用户满意度评价,基于带有动态边界的改进粒子群算法寻找满足用户全局QoS需求的Web服务组合方案。实验结果表明,该方法有效可行。     

基于全局QoS和免疫粒子群算法的WEB服务组合研究

针对现有web服务组合在可靠性和效率方面存在缺陷,提出了一种基于全局QoS和免疫粒子群算法的WEB服务组合优化的策略,给出了构建Web服务及选择最佳服务的方法,有效的克服了传统方法利用穷举计算及遗传算法解决此类问题的局限性,实验结果表明,该方法的服务组合时间短,且服务组合效率高,对解决WEB服务组合这样的NP难题具有非常好的效果。     

支持区间型QoS的Web服务选择

针对开放环境中web服务的动态性和随机性问题,提出支持区间型服务质量（QoS）的web服务选择算法. 算法中QoS的不确定性用带概率分布的区间数来描述,通过QoS的抽样数据,可计算出区间上的概率密度. 比较各web服务在QoS置信区间上的概率密度,有助于准确描述QoS受环境影响的程度. 结合这种比较方式以及组合服务的区间型QoS模型,设计出一种有区间型QoS保障的组合服务算法. 仿真实验表明,区间型QoS服务选择有利于减少动态环境对选择排序的影响,提高服务选择的准确性.     

基于改进蜂群算法的 Web服务组合优化

Web服务技术的快速发展使用户对QoS （quality of service）越来越关注。为了进行基于QoS的Web服务组合优化,采用4种典型的QoS衡量指标建立了组合Web服务QoS量化模型;针对人工蜂群（artificial bee colony ,ABC）算法搜索效率不高和过早收敛问题,引入禁忌策略和混沌优化进行了改进,并将改进算法用于组合Web服务的QoS优化;最后,通过仿真实验对模型和算法进行了验证。结果表明,改进算法全局优化能力全面提高,并且能较好地解决组合Web服务QoS全局优化问题。     

考虑相似度和可信度的模糊自适应Web服务选择

提出了一种基于模糊方法并考虑用户评价属性(相似度和可信度)的Web选择算法,从web服务质量数据来源角度对服务质量的属性进行了分类和计算.对非功能质量属性,使用模糊控制的度量方法,将非功能属性值转换成0～1之间的实数值.使用反馈相似度和可信度相结合的方法,将最终的推荐权值推荐给用户.该方法的提出有助于提高web服务选择结果的准确性.     

QoS支持下的GIS服务链最优化问题研究

针对当前OGC互操作标准未提供QoS支持的现状,对OGC服务标准进行了服务质量扩展。在此基础上实现了一种基于遗传算法、具有全局QoS约束的最优化服务选择方法。该方法采用了树型染色体编码方式及基于罚函数法的适应度函数。通过与整数规划得到的最优解进行对比,验证了该方法解质量的有效性,并通过改变候选服务数和任务数等试验条件,证明了该方法的时间复杂度近似线性。