论文部分内容阅读
随着Web Services在分布式服务提供的领域内应用越发成熟,作为服务提供方Web服务端点的行为控制也越来越受到重视。因为随着系统的复杂度不断增加,针对服务端的行为控制也越来越难于用人工处理,如何使服务端具有自主控制的性能已然成为了一个研究热点。本文从如何保证服务端提供的服务质量出发,对于如何让服务端点具有自学习能力的问题进行了探讨。本文提出了将神经模糊的理论相结合,并且应用到服务端的设计中。并且讨论了如何通过在线学习调整神经网络,从而使得服务端点能够在运行过程中具备自学习的能力。首先,本文介绍了模糊控制与神经网络的基本理论,之后选择使用神经网络训练模糊控制系统中的隶属函数,通过这种方式将两种智能控制理论结合在一起,从而使得模糊控制系统具备了神经网络的自学习能力。这是因为在模糊系统中隶属函数的选择与设计一直都没有标准的规范或方式,但是通过神经网络的自学习能力来训练模糊控制系统的隶属函数,可以充分利用神经网络的黑箱特性,这样就无需过多的考虑隶属函数的形式设计。同时因为神经网络的并行运算特性,即使隶属函数较为复杂,也可以快速地计算出结果。在确立了智能控制的基础——神经网络与模糊控制的结构之后,本文分别讨论了具备自学习能力的控制器在针对服务端点不同角色(服务请求者或者服务提供者)的时候,应该具备何种控制行为。首先在针对服务提供方角色的控制器实现上应用了之前讨论的神经模糊控制系统,其主要功能是用来判断服务端点对新的服务请求应该执行何种策略。针对服务请求者的角色设计了客户端控制器,该控制器的主要功能是与服务端控制器进行信息交互,然后根据控制信息来转换调用服务的模式(同步或者异步)。最后在Java平台实现了控制器框架,并且搭建了一个简单的Web Services平台对论文中讨论的控制器进行验证。通过实验可以发现,基于神经模糊控制系统的控制器能够自发地调整服务端点的行为,并且具有一定的自学习能力。