語義Web動態(tài)服務組合技術的關鍵性問題研究.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,各種各樣的網上應用和網絡服務都將會越來越多。而且,這些應用和服務將會遍及政治、經濟、軍事、教育、科技、文化、商業(yè)、宗教等各個領域。與現(xiàn)實社會一樣,人們在Internet上的應用和服務的需求都是不斷變化的,因此,Internet提供的應用和服務也應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)服務組合近年來得到了產業(yè)界和學術界的廣泛關注。在實際應用中,單一的Web服務僅實現(xiàn)一般要求,無法滿足現(xiàn)實應用的多維需求。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)服務組合,滿足Web用戶各自不同的個性化需求,已成為學術研究的焦點,應用前景廣闊。論文在此領域開展了研究,工作的主要內容體現(xiàn)六個方面:
　　

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

4、基于服務分類技術的選擇性集成算法
　　 Web服務分類是實現(xiàn)服務動態(tài)組合的前提與基礎。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,并受到國際機器學習界的關注。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,已成功的應用到許多經典的NP問題求解中。基于交叉熵方法,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Web動態(tài)服務即時分類算法
　　 傳統(tǒng)的即時分類算法偏向于單個實例,即在某一時期內僅處理一個實例,而其他實例只能在緩沖區(qū)等待。當

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多任務動態(tài)服務即時分類算法。基于t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)分類事務處理過程的分類效率和準確率的有效統(tǒng)一。
　　 (4)提出了面向Web動態(tài)服務組合優(yōu)化的動態(tài)

7、小生境學習機制
　　 在SOA架構下,Web用戶的服務需求是動態(tài)變化的,而當前諸多智能進化算法的研究僅關注針對靜態(tài)問題求解,這種靜態(tài)導向的算法在進化后期往往會失去對環(huán)境的適應能力,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服務動態(tài)小生境的自組織學習算法(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)學習機制,種群中的個體由被動適應轉為主動學習,能夠動態(tài)偵測Web服務需求與服務環(huán)境的變化,具有更強健的動態(tài)環(huán)境適應能力。
　　 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)定而友好的交互學習,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)服務過程失效偵測與響應處理機制
　　 服務失效是影響服務可用性的制約因素。論文從

9、服務過程的動態(tài)偵測、服務失效的即時響應二個維度展開研究,構建了一種新的面向Web服務的失效偵測機制,實現(xiàn)偵測的完整性、準確性和效率的有效折中,強化服務對動態(tài)環(huán)境的適應性;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(用戶等級服務協(xié)議)得到滿足的條件下,重構執(zhí)行流程,穩(wěn)定服務常態(tài),滿足不同層次Web用戶的個性化服務需求。
　　 (6)提出了Web動