论文部分内容阅读
Web服务作为一种新型的分布式计算模式，以其自包含、良好的封装性、松散耦合、基于标准、高度可集成能力等优点成为当今工业界和学术界的关注热点。随着Web服务技术的快速发展，具有相同或相似功能的Web服务逐渐增多，在Web服务合成中的一个主要问题不再是能否找到满足用户功能需求的服务，而是如何从满足用户功能需求但服务质量各异的服务集中选择出最符合用户需求的服务。国内外许多学者对Web服务选择问题展开了大量的研究，并取得了一定的成果，但总体来说还存在许多亟待解决的难题。本文围绕Web服务选择问题，主要的研究工作有: (1)针对同一时刻存在多个请求同种功能服务情形的Web服务选择问题，以专有网格服务环境为研究对象，基于满意度研究该环境下的全局最优Web服务选择。本文利用层次分析法计算出各服务请求对各Web服务的QoS满意度与服务信誉满意度，将二者结合起来，计算出综合满意度。基于综合满意度进行0-1整数规划，使服务请求对Web服务的全局满意度最大，建立全局优化服务选择模型并设计相应的算法。仿真实验验证了该方法的有效性。 (2)进一步地，考虑资源的充分利用，保证服务负载平衡。本文从服务请求者和服务提供者双方的角度以及长时间的角度考虑多服务请求情形的全局最优Web服务选择。基于带权的Euclidean距离计算Web服务对各服务请求的距离，即匹配度。基于匹配度进行0-1整数规划，使服务请求对Web服务的全局匹配度最大，建立全局优化服务选择模型。结合实际提出通用可行的解决多服务请求的Web服务全局优化服务选择算法GOSSMR，使最多的Web服务请求需求得到满足但又尽可能不浪费资源，保证资源的合理分配和利用，避免负载问题的发生，提高系统的性能。为提高算法的执行效率，基于Skyline的方法对GOSSMR算法进行改进，提出Skyline GOSSMR改进算法。仿真实验比较两个算法的执行效率和系统的性能。 (3)研究组合服务中QoS全局最优动态Web服务选择模型及算法。基于粒子群进化算法，本文设计一种用于解决服务组合中QoS全局最优服务动态选择问题的PSO-GODSS算法。该算法的主要思想是将问题表示为一个带QoS约束的多目标服务组合优化问题，通过理想点的方法将多目标向单目标转化，然后利用粒子群算法的智能优化原理进行算法设计及求解，最终产生一组满足约束条件的优化服务组合流程集。理论分析和实验结果表明该算法的可行性和有效性，且算法执行效率和收敛速度优于以往的多目标遗传算法。相对多目标遗传算法，本文提出的算法规则简单，易于编程实现，收敛速度快，搜索的全局性更好，能够快速找到全局最佳服务组合决策，且在实际应用中是可行的。