论文部分内容阅读
随着Web服务的快速发展，基于Qos的Web服务组合优化问题已经成为Web服务的研究热点。Web服务组合是NP-hard问题。典型的与Web服务相关的Qos的属性有响应时间、吞吐率、到达率等。对基于Qos的Web服务组合优化问题的研究，可以更全面的满足用户对服务质量的要求，这对于Web服务的发展具有十分重要的意义。本文首先介绍了目前求解Web服务组合优化问题常用的几个算法。主要有遗传算法、粒子群算法等等。遗传算法在求解Web服务优化问题中应用广泛，但其参数选取大多依靠经验，不能保证解的有效性，并且在最优解的搜索过程中容易陷入局部收敛。蚁群算法全局搜索能力强，但其模型并不能直接应用于Web服务组合的实际优化问题。本文将BPEL服务组合流程映射为排队网络，利用排队网络的理论对响应时间、吞吐率以及到达率等Qos属性进行分析，并采用Mathematica对数据进行计算。计算结果表明，该方法具有很强的实用性。本文的研究内容是在给定的Web服务中利用非线性规划算法优选出一组Web服务，使得这组服务在满足约束条件的前提下总费用达到最小。本文基于排队网络理论，将BPEL顺序结构、BPEL条件结构以及BPEL循环结构映射为排队网络，利用排队网络的特点对三种结构下Web服务的吞吐率进行计算，进而求解Web服务器的响应时间关于节点i (1≤i≤N)的服务率的表达式。通过对响应时间以及各个节点的服务率设置约束条件，建立非线性规划模型，在Mathematica中对节点i (1≤i≤N)的服务率进行求解。通过将求解的服务率与给定的Web服务的服务率相比较，选取与所求解的服务率相差最小的一组Web服务，就是本文所求的最优Web服务组合。