云制造环境下基于QoS的组合云服务自适应调整

为提高云制造环境下组合云服务的柔性,提出一种基于QoS的组合云服务自适应调整机制.该机制将可靠性、可用性、时间、价格和柔性度作为云服务的QoS特征,给出各特征值的量化方法和云服务QoS包含度的定义;对云制造环境下可能产生的异常进行了分类和抽象,将自适应调整逻辑引入组合云服务,建立了组合云服务自适应调整模型,并给出相应的调整算法和调整逻辑.设计了仿真实验,实验结果验证了所提方法的可行性和有效性.     

基于模糊层次分析法的云服务评估方法

针对传统评估方法中自然语言难以定量的问题,提出了基于模糊数学和层次分析法的云服务评估方法。根据云服务的服务等级协议和用户反馈,构建了以服务费用、性能、服务协议、声誉、安全性为评价指标的云服务非功能服务质量(QoS)评价体系,利用模糊数学中的三角模糊数量化自然语言类型的评价,以实数、布尔类型和自然语言型3种异构数据描述的QoS信息对云服务进行综合评估。通过实例验证了该方法的可操作性,得到了参与实验云服务的测评得分矩阵。结果表明,该方法能够通过定性和定量的属性指标建立对云服务的判断,是对云服务质量的一个全方位的量化评价。     

基于QoS上下文的Web服务动态合成

针对QoS上下文在服务合成中的不同作用,文中提出将QoS上下文模型用于服务的动态合成.利用QoS反馈控制机制,根据用户的QoS要求,在环境QoS变化的情况下,对备选的服务进行动态选择、组合和执行,并使用遗传算法作为QoS反馈机制的控制器,保证了QoS指标的确定.实验和仿真结果表明,基于QoS上下文的服务合成能够动态、自适应地进行服务的组合,并满足用户QoS的指标和要求.     

基于改进TOPSIS法的物流云服务选择研究

针对传统TOPSIS法在物流云服务选择中主观指标权重的不确定性,以及不能完全反映出各方案优劣性的问题,提出基于熵值法和改进相对接近度算法的TOPSIS法.在分析传统TOPSIS法基本原理的基础上,构建出改进的TOPSIS法评价模型,并结合具体算例对此评价模型进行实验验证:A公司为了有效控制供应链成本、提高客户满意度,决定使传统TOPSIS法和改进TOPSIS法在服务质量(Qo S)指标参数相同的情况下,对相同物流云服务提供商选择进行比较.评价结果表明,改进的TOPSIS法可以消除主观因素对结果造成的影响,用于物流云服务提供商选择更具客观性与合理性,为物流云服务的选择提供了参考与借鉴.     

QoS敏感的服务组合动态配置研究

针对静态配置的Web服务组合系统无法适应组件服务QoS的动态变化,以及对易错环境缺乏自适应性和不能反映系统不断演进特征的问题,提出了一种QoS敏感的服务组合系统动态配置方法.通过扩展Petri网对服务依赖关系进行建模,形成一个形式化的系统配置方案;利用无循环依赖关系验证算法和最终状态合法性验证算法验证了系统配置方案的正确性;提出了一种最优配置选择算法以选取具有最优QoS的服务配置.仿真实验对比了动态配置、静态配置和随机配置对用户服务请求满意度的影响,结果表明,所提建模方法和相应算法能大幅改善组合服务的QoS.     

基于服务质量的Web服务组合模型

分析了Web服务主要的非功能属性因素,探讨了这些因素对Web服务的服务质量所产生的影响.提出了Web服务的QoS评价方法,并将Web服务的QoS作为Web服务选择的条件之一.构建基于QoS的Web服务组合模型,利用查找后继Web服务的选择方法,实现Web服务的有效组合,使得组合Web服务既能满足用户的功能需求,又达到用户个性化服务的目的.     

基于概率方法的QoS感知Web服务组合

针对Web服务的服务质量(QoS)的随机本质,提出了一个基于概率QoS感知的Web服务组合方法,实现传统方法难以描述的QoS需求.在概率QoS模型的基础上,定义QoS目标以及组合方案与QoS目标之间的距离函数.通过将服务组合问题转化为组合优化问题,应用Rollout算法作为求解问题的计算框架,对一个具体问题设计了相应的启发函数.以跨国旅游方案提供商作为具体案例演示基于概率方法的QoS感知服务组合.该方法很好地解决了概率QoS模型难以应用到动态服务组合中的问题.理论分析和实验数据表明该方法可以很好地满足用户对于组合服务的QoS需求.     

领域QoS与资源感知的物流服务动态优化组合方法

为了提高物流服务优化组合的动态性、可靠性与用户满意度,本文提出了一种基于全局服务质量(quality of service,QoS)约束分解的能够感知领域质量与资源需求的物流服务优化组合方法.该研究工作首先把学习机制引入人工蜂群算法(artificial bee colony algorithm,ABC),形成了具有自主学习能力的改进型人工蜂群算法(LABC);之后,应用学习人工蜂群算法(LABC)将全局QoS约束分解成每个物流子任务需要满足的局部QoS约束,从而将QoS感知的物流服务优化组合这一全局优化问题转化成以领域质量为依据的局部最优服务选择问题;其次,在物流服务流程执行的过程中,在感知物流任务节点对资源需求的前提下,为每一个物流任务节点选择一个具有最优领域QoS的物流服务;与已有的研究工作相比,该方法能够实现物流服务动态可靠的优化组合.最后,通过模拟实验验证了本文所提出的方法是可行有效的.     

基于全局QoS约束分解与关联感知的动态服务组合

在Web服务组合过程中,基于全局QoS(quality of service)约束分解的服务组合方法是提高服务组合动态性与灵活性的有效途径。已有的研究工作在进行约束分解服务优化组合时,没有考虑上下游服务之间的QoS关联性,影响了组合的效率与质量,降低了用户的满意度。提出一种基于QoS全局约束分解与关联感知的动态优化服务组合方法,通过改进后的人工蜂群算法将全局QoS约束分解为局部QoS约束;定义上下游服务之间的QoS关联系数,构造一种基于QoS关联感知服务选择的方法,解决了存在关联关系的服务选择问题。实验验证了该方法的可行性和有效性。     

Web服务选择优化算法的设计与实现

为了提供满足客户需求的组合Web服务,将Web服务的属性分为功能属性和非功能属性(即服务质量QoS属性).通过服务类对功能属性进行划分,并按照服务类以QoS属性的组合类型方式进行服务组合.提出了将基于QoS的服务选择转换成有限方案的多目标决策问题,同时给出选择组合服务的最优执行计划的规划算法.实验表明此方法既利用了现有工作流技术的成果,又具有动态绑定和QoS支持.     

一种基于QoS约束的Web服务选择和排序模型

提出了一种基于QoS约束的Web服务选择和排序模型,在研究Web服务的三维QoS模型的基础上设计基于QoS约束的服务选择模型,进一步研究服务效能的概念和量化方法并设计基于服务效能的排序模型.该模型的原型系统已经在国家地质调查网格中得到应用,结果表明模型能够有效保障用户对服务的需求,具有很高的查准率、响应率以及较好的负载均衡能力,提高了基于面向服务架构(SOA)的网络应用的可用性.     

基于信任度变化趋势的云服务选择模型

针对云服务选择过程中,用户难以选择可信、可用、可靠的云服务问题,本文提出一种基于信任度变化趋势,并结合QoS服务质量的云服务选择模型.首先,信任度的计算分为两部分,一部分根据贝叶斯原理计算信任度值,另一部分是将历史信任度值进行最小二乘的拟合,得到能更准确地反映信任度值的变化趋势值,根据信任度变化趋势值对信任度值进行修正,确定其综合信任度值.然后,根据云服务的QoS量化模型,计算得到客观的QoS值,在此基础上,引入了信息熵的概念来确定可信参数加权的问题,从而得到最优的服务选择.仿真实验表明,该模型能够体现云服务主体信任度的变化,增强云服务选择的预判能力,有效地提高服务选择的成功率.     

基于概念关联程度的网格服务组合方法

为克服自动服务组合在网格环境下性能低下的弱点,提出了基于领域本体的两阶段法(two phases method,TPM)。首先根据聚类规则将同类网格服务归并为一个抽象服务类,针对服务类进行组合;然后选择具体的网格服务替换第一阶段生成的组合方案中相应的服务类。TPM定义了基于领域本体的服务类关联程度,并根据关联关系构建服务组合图,将服务组合问题转化为最短路径问题,给出了基于Dijkstra贪婪搜索的组合算法及服务选择策略。通过实验与同类方法在计算效率、服务满意度和服务质量上进行了对比,实验结果证明TPM规模扩展性良好,并能提供一定的QoS保障。     

基于扩展QoS模型的物流服务选择方法

随着越来越多的物流公司开始采用Web服务技术提供服务,如何从大量具有相似功能的服务中选出最能满足特定业务需求的物流服务变得日益重要。已有的研究大多局限于通用的Web服务选择,难以满足特定业务领域的选择需求。为了解决该问题,该文通过引入物流业务服务质量指标,构建了一个基于层次分析法(analytic hierarchy process,AHP)框架的服务质量(quality of service,QoS)扩展模型,并在此基础上提出了一种新的物流服务选择方法,综合运用分层聚类算法和模糊综合评判的方法对候选物流服务进行选择。最后,在重庆港物流项目中进行了实际验证,结果证明该方法能够有效地根据特定业务需求选择出最适合的物流服务。     

一种支持QoS约束的Web服务质量模型

为了满足在组合Web服务中提供服务质量支持，提供有保证的QoS（Quality of Service）的需要，以及针对目前在组合服务中，很少提供对服务质量支持的问题，建立了一个Web服务质量的模型．该模型为所有服务建立了一系列的质量指标，并对它们进行量化，得到量化值．最后在此模型的基础之上，在组合服务中建立了一个服务质量驱动的服务选择机制，从而可以实现所有在组合服务中的服务都是最优的．已经基于Microsoft．NET实现了一个原型系统．     

Efficient Composition of Semantic Web Services with End-to-End QoS Optimization

The efficiency of QoS-aware service composition is important since most service composition problems are known to be NP-hard. With the growing number of web services, service composition is like a decision problem on selecting services or/and execution plans to satisfy the users' end-to-end QoS requirements (e.g. response time, throughput). Composite services with the same functionality may have different execution plans, which may cause different end-to-end QoS. This paper presents a model combining semantic data-links and QoS, which leads to an efficient approach to automatic construction of a composite service with optimal end-to-end QoS. The approach is based on a greedy algorithm to select both services and execution plans for composite services. Empirical and theoretical analyses of the approach show that its time complexity is O(mn²) for a repository with n services and an ontology with m concepts. Moreover, the approach increases linearly in time when using an index to search services in the repository. Tests with a repository with 20 000 services and an ontology with 300 000 concepts show that the algorithm significantly outperforms current existing algorithms in terms of composition efficiency while achieving optimal end-to-end QoS.     

考虑价格因素的 并行模糊多准则时 变权重云服务决策

网络中云服务存储量的几何式快速增长使得云服务决策越加困难,为满足用户特殊需要并提供充足的决策依据,提出并行TOPSIS时变权重模糊云服务多准则决策算法.在并行TOPSIS改进中采用熵权重赋值形式赋予云服务相应的准则权重,使得权重的选择变得简单易行,并由此发展出时变权重提出改进TOPSIS评估机制,使用时变权重能够更好的对不同时间段的云服务质量（QoS）信息进行重要性区分,使得决策机制更加合理可信.然后基于分时模糊TOPSIS多准则决策机制,设计云服务选择的并行化融合决策框架,使得算法更趋近于工程应用.仿真结果显示,所提云服务决策算法可更有效的对QoS信息影响进行抑制,从而有效提高云服务调用的成功率.