论文部分内容阅读
Internet技术的快速发展和Web服务的日益增多以及互联网的迅速普及,使分布式计算得到了长足的发展。如何在众多的Web服务中灵活、快速、准确地发现及组合满足用户需求的服务是实现服务共享、复用的前提,是现阶段所面临的关键问题之一。为了解决Web服务发现与组合效率低下的问题,本文在分析Web服务发现和组合特点、遗传算法进化过程的基础上,提出了一种基于点击率索引和自适应遗传算法的Web服务发现和组合方法。本文的主要工作如下：(1)Web服务索引模块的建立。通过对目前的语义Web服务发现框架的特点以及用户搜索服务特点的分析,提出一种基于点击率索引的Web服务发现方法,依据一定时间内服务的点击率为统一描述、发现和集成注册库中点击率较高的Web服务建立索引,使得用户在进行服务搜索时,首先匹配点击率较高的服务,从而提高Web服务发现的效率。(2)语义Web服务描述模型的建立。在对现有语义Web服务描述语言进行分析和研究的基础上,提出一个新的Web服务描述模型,增加了对服务点击率的描述,以记录服务被点击的次数,为索引的建立提供依据。(3)自适应遗产算法的设计。通过对遗传算法进化过程和Web服务组合特点的分析,提出了一种自适应遗传算法的Web服务组合方法。在遗传算法进化过程中,为了提高遗传算法的收敛速度,依据进化代数和个体的适应度来自适应地调整个体的交叉和变异概率.(4)遗传算法中禁忌表的引入。为了避免遗传算法陷入局部最优,通过对禁忌搜索算法和web服务组合过程的分析,在遗传算法中引入禁忌表,对进化过程中产生的最优解进行记录,以避免在最优解范围内的重复局部搜索,从而提高组合服务的质量。(5)论文首先通过对Web服务发现过程的模拟来验证带点击率索引的Web服务发现方法的性能；然后对自适应遗传算子的Web服务组合过程进行了模拟以验证算法的有效性,并通过设置不同的质量权重来分析算法满足用户偏好的能力。实验结果表明,带点击率索引的Web服务发现方法能在保证服务查准率的同时提高Web服务发现的效率；在进化代数一定的情况下,遗传算子随进化代数与个体适应度而变化的Web服务组合遗传算法能够迅速提高个体的适应度,并且获得较好地最优解,这就证明了本文方法确实有效；不同质量权重下,所得最优解各质量属性的变化,说明本文的Web服务组合方法能够很好的满足用户的偏好。