论文部分内容阅读
Web服务作为一种新兴的Web应用模式,是Web上数据和信息集成的有效机制。它被定义为使用标准的技术与其他服务进行交互的软件模块和自描述的应用,并且是一种自适应、面向互操作性的应用程序。由于单个的Web服务功能有限,难以满足复杂的应用需求,因此需要组合Web服务,其中动态Web服务组合是服务组合中的研究热点。动态组合是指组合服务定义过程中不为活动指定固定的服务提供者,将具体的绑定延迟到组合服务执行时动态的完成。
目前关于动态Web服务组合方面的研究主要集中在AI规划,Petri网等方法。但是这些方法存在着一些不足之处,比如,虽然规划的方法可以适用于动态的服务组合中,但是当服务本身的行为发生变化或者服务不可用时其所产生的plan将会失效。而且规划的方法必须要求plan被事先设定好,因而其不适合大规模的动态组合环境。同时,在这些服务组合方法当中,主要针对的是服务功能属性方面的研究,而基于非功能性QoS的服务选择的研究很少。
当Web服务数量逐渐增多时,有着相同功能属性的Web服务也随之增多,因而需要根据用户给出的QoS需求,从中选出最为用户满意的一个,这就是基于QoS的服务选择。基于QoS的服务选择常用的是定量的方法,但这种方法不能够精确的表达用户的QoS需求,所以我们将采用偏好逻辑这种定性的方法来对用户的需求进行建模。
本文提出一种基于分层强化学习和偏好逻辑的动态Web服务组合方法HRLPLA,可以有效地解决上述动态服务组合方法的不足。该方法通过使用分层强化学习来处理服务的功能性组合以及使用偏好逻辑进行服务的选择。其主要特征包括:1)使用一种分层强化学习方法对Web服务进行组合:2)可以同时进行面向功能性组合以及面向QOS这种非功能性选择两个方面的处理;3)可以对大规模的服务组合进行动态的处理;4)实验结果验证了该方法所具有的高效性以及自适应性。