基于QoS的組合服務(wù)優(yōu)化方法.pdf

1、Web服務(wù)以及面向服務(wù)的架構(gòu)SOA(Service-OrientedArchitecture)為分布異構(gòu)環(huán)境下的資源共享和應(yīng)用互操作提供了有效支持，動態(tài)組合多個現(xiàn)有Web服務(wù)，形成一個新的、更大粒度的增值服務(wù)成為Internet上構(gòu)建分布式應(yīng)用的一種重要模式。隨著Web服務(wù)數(shù)量的增長和應(yīng)用范圍的擴(kuò)大，服務(wù)質(zhì)量QoS(QualityofService)成為服務(wù)選擇的重要依據(jù)，基于QoS的服務(wù)選擇是Web服務(wù)組合研究領(lǐng)域的一個重要問題。本文

2、對服務(wù)組合流程建模、組合服務(wù)OoS評估以及基于QoS的服務(wù)選擇算法等問題展開研究，主要工作如下： (1)設(shè)計服務(wù)組合模型PRRD：基于工作流建模技術(shù)，考慮服務(wù)組合的過程邏輯、資源需求、用戶需求以及服務(wù)組合相關(guān)數(shù)據(jù)，設(shè)計了一個具有多視圖特性的服務(wù)組合模型PRRD；在過程模型基礎(chǔ)上定義了服務(wù)執(zhí)行路徑SEP的概念及其DAG(DirectedAcyclicGraph)圖的生成方法，作為組合服務(wù)Qos評估和服務(wù)選擇算法設(shè)計的基礎(chǔ)。

3、 (2)提出QOS驅(qū)動的兩階段服務(wù)選擇框架：分析組合服務(wù)結(jié)點(diǎn)間的時序特征，定義了松弛距離的概念，并基于松弛距離提出組合服務(wù)QoS的計算方法QCMSD；采用定性和定量相結(jié)合的描述方法，設(shè)計了便于用戶理解和表達(dá)個性化需求的QOS全局需求模型；并對該模型提出QoS驅(qū)動的兩階段服務(wù)選擇框架QTPSSF，第一階段將可局部優(yōu)化QOS轉(zhuǎn)化為結(jié)點(diǎn)的局部QoS約束，利用支持QoS約束的服務(wù)發(fā)現(xiàn)機(jī)制實現(xiàn)，第二階段則將可全局優(yōu)化QoS分為3個不同的全局優(yōu)化目

4、標(biāo)，對應(yīng)三個不同的服務(wù)選擇問題。 (3)對截止期約束下費(fèi)用最小化的服務(wù)選擇問題，提出兩個基于截止期分解的啟發(fā)式算法：利用逆向分層(BL)分解截止期，提出逆向分層截止期分解算法DBL；基于最早樹的關(guān)鍵路徑分解截止期，提出關(guān)鍵路徑截止期分解算法DCP；兩算法基于動態(tài)規(guī)劃改進(jìn)，分別得到個DBDP和DCPDP；仿真結(jié)果表明：DBL能有效改進(jìn)正向分層截止期分解算法DTL(DeadlineTopLevel)的平均性能，而DCP克服了上述兩個

5、分層算法不能用于較小截止期的不足，并在有效截止期范圍內(nèi)獲得了較好性能；動態(tài)規(guī)劃的仿真結(jié)果表明：DBDP和DCPDP能分別提高DBL和DCP的平均性能，且DBDP對DBL性能的改進(jìn)效果最為明顯。 (4)對成本約束下完丁時間最小化的服務(wù)選擇問題，提出兩個基于優(yōu)先級規(guī)則的迭代啟發(fā)式算法：根據(jù)同一路徑上的結(jié)點(diǎn)在運(yùn)行時間上的分享特性和并行結(jié)構(gòu)中的結(jié)點(diǎn)在運(yùn)行時間上的共享特性，定義時間耦合強(qiáng)度TCS和有效逆分層強(qiáng)度VBS兩個概念；分別和最大收

6、益率規(guī)則MPR(MaximumProfitRatio)結(jié)合，提出MPTCS和MPVBS兩個優(yōu)先級規(guī)則；兩規(guī)則迭代改進(jìn)初始解的性能，實現(xiàn)目標(biāo)函數(shù)的優(yōu)化。仿真結(jié)果表明：MPTCS和MPVBS均能增強(qiáng)MPR規(guī)則的局部尋優(yōu)能力，顯著提高了MPR規(guī)則的平均性能；且MPTCS規(guī)則在平均性能和運(yùn)行效率上都優(yōu)于MPVBS規(guī)則，但MPVBS規(guī)則在某些特定問題實例上顯示出較好性能。 (5)對時間費(fèi)用多目標(biāo)優(yōu)化的服務(wù)選擇問題，提出兩個多目標(biāo)遺傳算法：

7、將時間費(fèi)用多目標(biāo)優(yōu)化的服務(wù)選擇問題分為無約束時間費(fèi)用多目標(biāo)優(yōu)化的服務(wù)選擇問題TCOSS與截止期和成本約束下多目標(biāo)優(yōu)化的服務(wù)選擇問題DBCSS；在多目標(biāo)遺傳算法基礎(chǔ)上設(shè)計了兩個問題的求解算法TCOGA和DBCGA；仿真結(jié)果表明：TCOGA與GODSS相比，在不同特征的問題實例上均獲得了數(shù)量眾多、分布均勻，且有較高質(zhì)量的Pareto最優(yōu)解。DBCGA與MOEAWP相比，在不同情況下獲得的最優(yōu)解都充滿可行目標(biāo)空間，特別在約束值較高的情況下，D