资源发现是网格技术的一个非常重要的方面,资源发现就是找到与预想的资源描述相匹配的资源。网格资源的发现方式必须能够适应具有大规模、异构性、分布性、动态性、开放性等特点的网格环境。如何将资源有效地组织起来,并高效地发现和定位资源已经成为一个非常重要的问题。当前对网格资源匹配的研究主要集中于精确匹配,而在模糊匹配方面做的研究较少。在P2P(Peer-to-Peer)的环境下,大部分参与者都是自私的,他们不会主动地贡献自己的资源。此外,有些参与者可能会擅自夸大自己提供资源的能力来获取更多的利益。针对当前网格资源发现存在的这些问题,本文建立了一种能支持基于Vague集的模糊匹配机制的P2P网格资源发现模型。本文主要在以下几个方面做了一些贡献:一、由于结构化P2P模型只支持精确匹配查询,而且它们都不支持直接的关键词搜索,因此本文在非结构化P2P模型Gnutella基础上进行改进,得到能够支持基于Vague集的模糊匹配机制的MSR三层资源发现模型,该模型的资源发现性能比Gnutella模型有大幅度提升。二、本文把Vague集理论应用到资源的描述和匹配过程中。Vague集能够很好地表达资源请求者所需资源的模糊信息。当用户请求的资源与资源节点提供的资源进行匹配时,通过计算两者之间的相似度来判定它们是否匹配。这种匹配方法,可以根据用户的需求和满意度,设置不同相似度阈值,从而提高了资源发现的灵活度。三、现有的激励机制主要通过整数值来描述本地信任值等模糊的衡量指标,难免会导致描述的失真。由于Vague集能够很好地描述和处理模糊信息,因此本文用Vague集表示的信任度来描述资源节点的可信程度,通过基于Vague集的激励机制和惩罚机制动态更新资源节点的信任度,减少恶意节点对资源发现过程造成的危害,鼓励优质的资源节点加入网格当中。最后,本文还结合激励机制和惩罚机制对基于Vague集的资源匹配算法做进一步地改进。仿真实验表明引入激励机制和惩罚机制后,模型的资源发现性能得到明显提高。