基于Web服务的跨组织工作流性能预测与分析

摘要

敏捷供应链和经济全球化的发展促使企业集成信息系统从组织内部扩展到组织之间。SOA通过建立模块化服务，来支持所在组织以及外部组织共同参与到一个跨组织的业务过程中，为企业极大改善了B2B交流平台。与此同时，Web服务逐渐成为了SOA的最佳实践，基于Web服务的跨组织工作流应运而生。企业的业务过程需要满足一定的性能指标才能实现其商业目标。有效预测工作流性能，分析工作流中的各个服务QoS对工作流整体性能的影响具有重要意义。
　　在服务计算环境中，不同用户对同一个服务会有不同的体验。因此，本文从用户角度提出一种基于Web服务工作流的性能预测与分析方法，主要工作有：
　　首先，研究基于Web服务的跨组织工作流原理，分析其工作流性能与服务 QoS之间的关系，提出基于用户视角对工作性能进行监控、预测与分析的全过程。
　　然后，通过分析用户特征和服务特征，提出基于奇异值分解的QoS时间序列评估方法，并以此计算出工作流性能时间序列。
　　接着，基于工作流性能时间序列采用神经网络模型对工作流性能进行预测，当预测的工作流性能值超出预设定的范围时，分析导致工作流性能冲突的主要成员服务。
　　最后，围绕QoS评估方法和工作流性能预测与分析方法展开模拟实验，实验结果表明本文所提出的QoS时间序列评估方法与工作流性能预测方法的有效性与优越性和工作流性能分析方法的合理性。

目录

封面

声明

中文摘要

英文摘要

目录

注释表

缩略词

第一章 绪论

1.1 研究背景

1.2 国内外研究现状

1.3 论文主要工作

1.4 论文组织结构

第二章 基于Web服务的跨组织工作流原理与相关技术

2.1基于Web服务的跨组织工作流技术

2.2基于服务组合的工作流性能指标

2.3工作流性能监控与预测过程

2.4 本章小结

第三章 评估QoS时间序列中的缺项值

3.1基于时间关联程度评估QoS属性

3.2基于矩阵分解的QoS属性评估方法

3.3 基于奇异值分解的QoS属性评估

3.4 本章小结

第四章 工作流性能预测与分析方法

4.1基于时间序列的工作流性能预测方法

4.2基于BP神经网络的工作流性能时间序列预测方法

4.3基于小波神经网络的工作流性能时间序列预测方法

4.4利用粒子群优化算法优化神经网络模型

4.5分析工作流性能冲突来源

4.6本章小结

第五章 模拟实验与案例分析

5.1实验设计

5.2评价标准

5.3 QoS时间序列评估实验与分析

5.4 工作流性能预测与分析

5.5 本章小结

第六章 总结与展望

6.1 论文总结

6.2研究展望

参考文献

致谢

在学期间的研究成果及发表的学术论文