论文部分内容阅读
随着Web服务技术以及服务组合技术的迅速发展，具有相同或者相似功能的服务数量逐渐增多，利用QoS进行服务选择已经成为Web服务组合的关键技术。然而，如何能够高效的选择和组合众多功能相同的Web服务同时提高Web服务组合的质量是目前重要的研究课题。当前基于QoS的Web服务组合不断涌现一些问题，现有的QoS综合计算模型中，QoS各个属性采用固定的权值，完全忽略了各属性实际值及其权重之间存在的相互关系，无法合理准确的计算Web的服务质量，当用户根据QoS常权综合值选择出来的候选Web服务可能并不是合适的服务，这就降低了Web服务组合的服务质量；同时Web服务组合中的服务选择算法大多采用经典的数学优化算法，如标准的粒子群优化算法，但是标准的PSO算法可能会出现早熟收敛或者收敛速度过慢等缺陷，这就严重影响了Web服务组合的效率。为了解决上述问题，本文在分析和研究已有的Web服务的QoS计算模型以及相关服务选择算法基础上，对服务组合中关键问题进行了以下研究：(1)针对Web服务现有的QoS评价模型存在的不足，提出了一种QoS变权综合评价方法，在变权综合理论的基础上，根据用户对Web服务的QoS各个属性的限制，建立变权状态向量，动态调整每个Web服务多个属性的权值，最终提高Web服务的QoS综合评价值的合理性和准确性。(2)针对标准粒子群优化算法存在的缺陷和不足，在服务组合选择算法中使用变步长思想和动态学习因子的粒子群优化算法，然后根据测试函数，不断的仿真实验确定改进粒子群优化算法中的参数值，使之能够较好的适应函数的需要，提高粒子速度和位置更新的速度，从而提高Web服务组合执行速率。(3)根据用户对Web服务组合的要求及限制，设计粒子适应度函数包括目标函数和约束条件，然后对改进前后的标准粒子群优化算法的执行时间和改进QoS综合评价方法前后的服务组合的整体服务质量进行模拟实验，与现有的QoS综合计算方法和标准的粒子群优化算法相比较，取得了较好的效果。