异构网络环境下的启发式服务组合算法的研究

摘要

面向服务计算正成为新一代计算的核心，Web服务技术与之紧密相关联。轻量级的Web服务很难满足复杂业务的需求，Web服务组合作为Web服务的一项重要的增值功能得到了广泛关注。Web服务组合是将多个Web服务组合成大粒度流程服务的过程，由于服务提供者服务能力的差异，结合异构网络的特点，需要定义对Web服务的非功能性属性的全局限制。QoS是Web服务众多非功能属性的体现，QoS参数可以从多方面反映异构网络的特点，包括计算能力，网络状况和网络能力的差异性。面对众多功能相似的服务，如何根据Web服务的服务质量选择一组满足全局约束的最优的服务路径，是服务组合问题的关键。
　　 保证QoS约束的Web服务组合问题是一个多目标多选择问题，利用数学工具可以抽象为类似多维0-1背包的数学模型，目前，解决这类问题比较核心的方法LIP被广泛使用，虽然LIP是一个良好的优化算法，但是LIP的计算时间随着问题实体数目的生长而成指数增长。已经存在的启发式算法，如人工神经网络算法，蚁群算法，遗传算法等，都有非常鲜明的缺点。本文根据现有的工作的思想，设计一种轻量级、协同计算的启发式算法，以降低算法时间复杂度，加快收敛速度，更加适用于真实的异构网络环境。
　　 本文设计的启发式算法分为两个阶段，首先利用遗传算法对待求解问题解空间的快速学习的特点，设计遗传算子和制定算法敏感参数，控制算法的收敛速度，得到待求解问题的一组可行解，并将其转化为蚁群系统的节点的初始信息素分布；然后利用蚁群系统的分布式计算、自组织和正反馈等系统学特性优化服务组合问题，期望获得一组全局最优解。这两个算法实现优势互补，具有良好的优化性能。
　　 文中设计了两个阶段算法的仿真实验，通过实验结果的分析，验证了算法具有可行性和高度的有效性。

目录

声明

摘要

第1章 绪论

1.1 研究背景与研究现状

1.2 本文的研究内容

1.3 本文的组织结构

第2章 基本概念与相关技术

2.1 分布式计算平台

2.2 Web服务

2.3 Web服务组合

2.4 Web服务规范

2.5 事务性Web服务

2.6 BPEL

2.7 本章小结

第3章 异构网络环境下的服务组合问题

3.1 问题描述

3.1.1 系统参数和记号

3.1.2 系统模型

3.1.3 计算模型

3.2 QoS模型

3.2.1 QoS参数分类

3.2.2 QoS参数聚合计算模型

3.2.3 QoS参数的预处理

3.3 本章小结

第4章 异构网络环境下的启发式服务组合算法

4.1 启发式服务组合算法概览

4.2 遗传算法

4.2.1 名词解释

4.2.2 算法特点

4.2.3 基本操作

4.3 信息素初始分布的算法

4.3.1 编码染色体

4.3.2 初始化种群

4.3.3 适应度函数

4.3.4 遗传算子

4.4 蚁群算法

4.4.1 系统学特征

4.4.2 算法流程

4.4.3 数学模型

4.5 改进的蚁群算法

4.5.1 蚁群系统

4.5.2 服务组合优化算法

4.5.3 信息素更新

4.6 本章小结

第5章 仿真实验与分析

5.1 实验环境

5.2 实验参数

5.3 实验结果与分析

5.3.1 信息素初始分布的算法

5.3.2 服务组合优化算法

5.4 本章总结

第6章 总结与展望

6.1 本文总结

6.2 研究展望

参考文献

致谢

在读期间发表的学术论文与取得的其他研究成果