語義Web動態(tài)服務(wù)組合技術(shù)的關(guān)鍵性問題研究.pdf

1、Internet的飛速發(fā)展正在改變整個社會,一個數(shù)字化的時代已經(jīng)到來。毫無疑問,在這個基于Internet的數(shù)字化社會里,各種各樣的網(wǎng)上應(yīng)用和網(wǎng)絡(luò)服務(wù)都將會越來越多。而且,這些應(yīng)用和服務(wù)將會遍及政治、經(jīng)濟、軍事、教育、科技、文化、商業(yè)、宗教等各個領(lǐng)域。與現(xiàn)實社會一樣,人們在Internet上的應(yīng)用和服務(wù)的需求都是不斷變化的,因此,Internet提供的應(yīng)用和服務(wù)也應(yīng)該隨著人們需求的變化而變化,這也是一種以人為本的理念。
　　 作

2、為一種新型的分布式計算模式,語義Web動態(tài)服務(wù)組合近年來得到了產(chǎn)業(yè)界和學(xué)術(shù)界的廣泛關(guān)注。在實際應(yīng)用中,單一的Web服務(wù)僅實現(xiàn)一般要求,無法滿足現(xiàn)實應(yīng)用的多維需求。因此,在新一代Internet環(huán)境下,如何動態(tài)合成單一服務(wù)所提供的各種功能,形成新型、穩(wěn)定、可靠、功能綜合、支持QoS管理的動態(tài)服務(wù)組合,滿足Web用戶各自不同的個性化需求,已成為學(xué)術(shù)研究的焦點,應(yīng)用前景廣闊。論文在此領(lǐng)域開展了研究,工作的主要內(nèi)容體現(xiàn)六個方面:
　　

3、(1)提出了語義Web動態(tài)服務(wù)組合模型
　　 根據(jù)Web動態(tài)服務(wù)架構(gòu)和主動計算特征,提出了語義Web動態(tài)服務(wù)組合模型,模型通過對服務(wù)請求者的意圖進行發(fā)現(xiàn)與響應(yīng),定位用戶個性化的服務(wù)需求,服務(wù)質(zhì)量和服務(wù)等級;借助服務(wù)注冊庫(UDDI)資源,啟動動態(tài)查詢與發(fā)現(xiàn)用戶需要的服務(wù)引擎;通過服務(wù)獲取技術(shù),動態(tài)進行服務(wù)功能組合路徑優(yōu)化,綁定所需服務(wù)的URI獲取匹配服務(wù)發(fā)布,實現(xiàn)穩(wěn)定、可靠、功能綜合的語義Web服務(wù)。
　　 (2)提出了

4、基于服務(wù)分類技術(shù)的選擇性集成算法
　　 Web服務(wù)分類是實現(xiàn)服務(wù)動態(tài)組合的前提與基礎(chǔ)。AODE(AveragedOne-Dependence Estimators)算法是最近提出的一種典型的基于naive Bayes的改進算法,并受到國際機器學(xué)習(xí)界的關(guān)注。交叉熵方法(Cross-entropy Method)是一種解決組合優(yōu)化問題的全局隨機搜索算法,已成功的應(yīng)用到許多經(jīng)典的NP問題求解中?；诮徊骒胤椒?提出了解決AODE算法選

5、擇性集成的CESAODE(Cross-Entropy method for Selective AODE)算法,期望實現(xiàn)Web服務(wù)分類有效性與可靠性的提升。在WEKA平臺上使用UCI數(shù)據(jù)集進行的仿真實驗結(jié)果表明,CESAODE算法比現(xiàn)有的分類算法具有更好的分類性能。
　　 (3)提出了基于多任務(wù)Web動態(tài)服務(wù)即時分類算法
　　 傳統(tǒng)的即時分類算法偏向于單個實例,即在某一時期內(nèi)僅處理一個實例,而其他實例只能在緩沖區(qū)等待。當(dāng)

6、進程被中斷的時候,部分實例被充分評估。中斷時,剩下的實例則沒有經(jīng)過任何的評估。這樣,對實例總體來說只得到局部的優(yōu)化。論文提出一種更為靈活、有效的面向Web多任務(wù)動態(tài)服務(wù)即時分類算法?；趖分布的p-value(誤判率)即時分類算法。該算法著眼于全局,在整體實例中選取最需要得到評估的實例進行計算,從而在中斷計算時得到全局的最優(yōu)化,實現(xiàn)分類事務(wù)處理過程的分類效率和準(zhǔn)確率的有效統(tǒng)一。
　　 (4)提出了面向Web動態(tài)服務(wù)組合優(yōu)化的動態(tài)

7、小生境學(xué)習(xí)機制
　　 在SOA架構(gòu)下,Web用戶的服務(wù)需求是動態(tài)變化的,而當(dāng)前諸多智能進化算法的研究僅關(guān)注針對靜態(tài)問題求解,這種靜態(tài)導(dǎo)向的算法在進化后期往往會失去對環(huán)境的適應(yīng)能力,無法跟蹤極值點在搜索空間的運動路徑,從而無法適應(yīng)Web環(huán)境下的動態(tài)問題求解。論文提出一種基于語義Web服務(wù)動態(tài)小生境的自組織學(xué)習(xí)算法(dynamic niche-based self-organizing learning algorithm,DNSL

8、A),首次實現(xiàn)了基于0-1編碼的動態(tài)學(xué)習(xí)機制,種群中的個體由被動適應(yīng)轉(zhuǎn)為主動學(xué)習(xí),能夠動態(tài)偵測Web服務(wù)需求與服務(wù)環(huán)境的變化,具有更強健的動態(tài)環(huán)境適應(yīng)能力。
　　 通過計算仿真實驗顯示,算法在動態(tài)變化的環(huán)境中,能夠很好地與環(huán)境進行穩(wěn)定而友好的交互學(xué)習(xí),魯棒性強,動態(tài)搜索能力和極值點跟蹤能力優(yōu)于同類搜索方法。
　　 (5)提出了一種動態(tài)服務(wù)過程失效偵測與響應(yīng)處理機制
　　 服務(wù)失效是影響服務(wù)可用性的制約因素。論文從

9、服務(wù)過程的動態(tài)偵測、服務(wù)失效的即時響應(yīng)二個維度展開研究,構(gòu)建了一種新的面向Web服務(wù)的失效偵測機制,實現(xiàn)偵測的完整性、準(zhǔn)確性和效率的有效折中,強化服務(wù)對動態(tài)環(huán)境的適應(yīng)性;在失效容錯處理的映射研究中,論文引入粒子群優(yōu)化算法均值聚類分析,尋求Web動態(tài)服務(wù)過程失效邊界值的有效求解,探索在流程初始SLA(用戶等級服務(wù)協(xié)議)得到滿足的條件下,重構(gòu)執(zhí)行流程,穩(wěn)定服務(wù)常態(tài),滿足不同層次Web用戶的個性化服務(wù)需求。
　　 (6)提出了Web動