学位论文 > 优秀研究生学位论文题录展示

混合QoS模型感知的语义Web服务组合决策算法研究

作　者: 李祯
导　师: 杨放春
学　校: 北京邮电大学
专　业: 计算机科学与技术
关键词: 语义网 Web服务语义web服务服务质量服务组合多属性决策理论启发式算法
分类号: TP393.09
类　型: 博士论文
年　份: 2008年
下　载: 443次
引　用: 4次
阅　读: 论文下载

内容摘要

随着Internet技术和WWW(World Wide Web)技术的发展,近年来互联网行业呈现一派繁荣的景象。互联网无论在人民生活中还是商业领域中都扮演着举足轻重的角色,特别是越来越多的在线商业应用被构建和部署,用来满足客户多方位的交易需求。然而隶属于不同商业机构的应用在接口设计上各不相同且接口与内部逻辑之间耦合紧密,这给多应用间的互通带来了很大的困难。另外,Web应用的种类众多、数目庞大,对应用的查找和访问都需要消耗大量的人工成本。基于以上现状,对于新一代互联网服务的需求大致可归结为以下两点:1.建立松耦合、跨平台、高互操作性和高可扩展性的服务模型;2.实质性地提高服务行为的自动化程度,解放客户和开发人员的工作。语义Web服务(Semantic Web Service)技术致力于满足人们对新一代互联网服务的期望和需求。语义Web服务技术是以Web服务(Web Service)技术为基础,以语义网(Semantic Web)技术为补充的新一代互联网服务解决方案。其中Web服务作为一种新兴的分布式计算技术和一种开放的业务提供方式,为Web应用提供了松耦合的设计模式和无缝互操作的技术支持。对Web服务的研究主要集中在服务发现、服务组合和服务质量保障上。语义网技术将网络信息和资源以知识的形式描述和存储,使得机器能够对这些知识进行自动地处理和集成。因此语义Web技术允诺与在线商业应用相关的操作可以自动执行,在极大程度上提高了应用的灵活性和互操作能力。在语义Web服务的相关研究中,服务组合问题是最为重要和困难的。任何一个服务只能满足相对单一的客户需求。服务提供商们迫切的希望现有的服务能够被自动地、快速地组合成增值的复杂服务用来满足更为多样化的需求。在一个服务组合场景中,客户首先向服务组合引擎提供他对于组合服务的功能性和非功能性(在本文中主要指QoS(Quality of Service))需求,然后组合引擎基于工作流技术生成服务组合的执行路径,随后组合引擎将访问服务发现主体,通过语义匹配的方法为执行路径中的每个任务找到满足功能性需求的服务实例。在这之后,相对于每个任务会出现众多的功能相似的候选服务,这些候选服务的每一个可能的组合被称作一个服务组合执行计划。最后最优的执行计划通过一个QoS感知的服务组合过程得出。从概念上讲,目前对于QoS感知的服务组合的研究内容包括:QoS聚合(根据单个服务的QoS计算整个计划的总体QoS值)、和最终决策(在候选计划中找到满足客户QoS限制的综合最优方案)。本论文的研究重点在于QoS感知的语义Web服务组合过程,然而就作者的知识而言,这方面的研究工作还处于起步阶段,仍存在一些问题:1.不能支持含有不确定QoS信息的组合决策;2.不支持不确定的客户偏好和群决策场景;3.组合决策算法在任务数量多和候选服务规模大的情况下运行效率低;4.组合算法的执行自动化程度低。为了解决上述难题,为服务组合提供有效地决策支持,本论文分为3个部分分析与研究了描述混合QoS模型(支持实数型、区间型和语言型QoS数据)的QoS本体以及该本体的管理框架和进化策略,混合QoS模型感知的服务组合决策算法和服务组合系统的实现框架。本论文取得了以下几个方面的科研成果:1).混合QoS本体及本体管理框架的创建。以往的QoS模型均以明确的实数表示,这种描述方式会造成大量信息的丧失并会误导最终的决策过程,为此本论文提出了一套混合QoS本体—OWL-S-QoS用来对QoS信息进行更为高效、准确的语义描述,该QoS模型混合了确定和不确定的表示方法(区间型表示法和语言型表示法)。另外本论文还提出了一种主客观相结合的QoS声誉属性模型--WSrep,用来增强现有声誉模型抵御恶意打分攻击的能力。此外本论文还讨论了该本体的管理框架和进化策略,这主要包括定义了与该本体相关的添加、修改和删除操作,提出了本体(连锁)进化算法和基于本体摘要匹配的本体版本控制算法用来保证知识更新的实时性和一致性。仿真试验证实:WSrep相比与主观声誉模型,具有更高的抵御恶意打分攻击的能力;基于摘要的本体版本控制算法相比传统算法具有更高的运行效率。2).提出一种基于不确定多属性决策理论的服务组合算法(UncertainMulti-attribute decision making-based service Composition algorithm,UMC)解决混合QoS模型感知的语义Web服务组合难题。该算法主要是从全局优化的角度在考虑客户QoS限制的基础上解决最优执行计划的选择问题,与以往的组合算法不同,UMC不仅能够支持混合QoS模型,还能有效地适应不确定的客户偏好和群决策场景。另外,UMC还具有良好的运行时效率,推动了服务组合算法在大规模问题空间情况下的实用进程。UMC分为两个主要组成部分:UMC-Core和UMC-DH(Distributed and Heuristic framework for UMC),其中UMC-Core用于对混合QoS进行综合评估,共包括三个主要的步骤:去模糊化(将语言型表示的数据转变为实数),决策矩阵规格化,候选方案综合评估。UMC-DH是针对解决组合算法效率难题而为UMC设计的分布式与启发式相结合的执行框架,主要包括分布式求解局部最优解、并行结构k启发聚合和全局回溯控制策略。本文通过仿真试验证实,UMC算法具有较高的决策灵敏性和稳定性,另外相比于其他类似算法UMC算法具有执行速度快、最优解近似度高和最优解成功率高的优势。3).组合决策算法的执行框架设计。本论文研究了UMC的执行框架,该框架基于智能多主体系统技术,其中主要包括服务组合引擎设计、服务注册中心设计、客户主体设计和知识管理主体设计。另外,还给出了多主体之间的两组交互模型:服务组合交互模型和本体进化交互模型。这是一个自动化程度高且可扩展的服务组合系统架构,为整个系统的实现提供了强有力的理论基础和技术支持。

全文目录

摘要  5-8
Abstract  8-16
第一章绪论  16-24
  1.1 研究背景和意义  16-17
  1.2 研究内容  17-18
  1.3 论文的主要贡献  18-19
  1.4 论文结构  19-21
  1.5 本章参考文献  21-24
第二章 QoS感知的语义Web服务组合相关研究工作  24-51
  2.1 Web服务、语义网和语义Web服务  24-34
    2.1.1 Web服务简介  24-27
    2.1.2 语义网  27-29
      2.1.2.1 本体论简介  27-28
      2.1.2.2 语义网架构简介  28-29
      2.1.2.3 OWL  29
    2.1.3 语义Web服务  29-32
      2.1.3.1 语义Web服务研究内容  30-31
      2.1.3.2 OWL-S  31-32
    2.1.4 工作流技术与基于功能的服务组合  32-34
      2.1.4.1 工作流技术及标准  32-33
      2.1.4.2 国际著名相关研究项目  33-34
  2.2 QoS感知的语义Web服务组合相关研究工作  34-46
    2.2.1 QoS建模研究  34-37
    2.2.2 QoS本体研究  37-38
    2.2.3 声誉属性建模研究  38-39
    2.2.4 确定QoS模型的聚合算法  39-40
    2.2.5 可行解(匹配)和最优解(综合决策算法)  40-42
    2.2.6 面向效率的组合算法改进  42-45
      2.2.6.1 基于遗传算法的改进  42-43
      2.2.6.2 基于背包算法的改进  43-44
      2.2.6.3 基于最佳路径算法的改进  44
      2.2.6.4 基于回溯算法的改进  44-45
    2.2.7 存在问题和新的研究方向  45-46
  2.3 本章小结  46
  2.4 本章参考文献  46-51
第三章混合QoS模型的本体描述及本体管理框架  51-74
  3.1 引言  51
  3.2 QoS本体  51-58
    3.2.1 QoS顶层本体  51-54
    3.2.2 QoS中层本体  54-55
    3.2.3 声誉属性改进  55-58
  3.3 QoS本体管理框架  58-66
  3.4 仿真实验  66-70
    3.4.1 WSrep效力仿真  66-69
    3.4.2 版本控制算法效率仿真  69-70
  3.5 相关工作  70-71
  3.6 本章小结  71-72
  3.7 本章参考文献  72-74
第四章服务组合决策算法  74-104
  4.1 引言  74
  4.2 混合QoS聚合算法  74-76
  4.3 UMC-Core  76-82
    4.3.1 去模糊化  76
    4.3.2 规格化  76-77
    4.3.3 综合评估  77-79
    4.3.4 UMC-Core面向不确定客户偏好的改进  79-81
    4.3.5 UMC-Core面向群决策的改进  81-82
  4.4 UMC-DH  82-88
    4.4.1 工作流拆分策略  83-85
    4.4.2 分布式局部最优解求解策略  85-86
    4.4.3 并行结构k-启发聚合策略  86
    4.4.4 全局回溯控制策略  86-88
  4.5 仿真实验  88-99
    4.5.1 UMC-Core效力和优势  88-94
    4.5.2 UMC-DH运行时性能和解质量评估  94-99
  4.6 相关工作  99-101
  4.7 本章小结  101
  4.8 本章参考文献  101-104
第五章基于多主体系统的实现框架  104-119
  5.1 引言  104
  5.2 组合引擎设计  104-106
  5.3 注册中心设计  106-107
  5.4 客户主体设计  107-108
  5.5 知识管理主体设计  108-109
  5.6 多主体交互建模  109-117
  5.7 本章小结  117-118
  5.8 本章参考文献  118-119
第六章结论与展望  119-122
  6.1 论文总结  119-120
  6.2 进一步的研究工作  120-122
致谢  122-124
攻读博士期间发表的学术论文  124-125
获奖情况  125-126
附录(相关理论知识)  126-134
  1 描述逻辑及其扩展  126-127
  2 模糊理论基础  127-128
  3 贝叶斯学习理论  128-129
  4 去模糊化算法  129-131
  5 多属性(群)决策理论  131-132
  6 数学规划方法  132-133
  7 启发式方法  133
  附录参考文献  133-134

混合QoS模型感知的语义Web服务组合决策算法研究

内容摘要

全文目录

相似论文