支持跨組織工作流應(yīng)用的可靠服務(wù)計(jì)算模型及其優(yōu)化算法.pdf

1、隨著云計(jì)算、服務(wù)計(jì)算以及社會(huì)計(jì)算等新技術(shù)不斷應(yīng)用于企業(yè)信息領(lǐng)域，越來(lái)越多的業(yè)務(wù)過(guò)程跨越了企業(yè)組織邊界，構(gòu)成了不同組織間松散耦合的服務(wù)工作流?？缃M織工作流的廣泛應(yīng)用將傳統(tǒng)的封閉、靜態(tài)、可控的企業(yè)計(jì)算環(huán)境遷移到以開(kāi)放、動(dòng)態(tài)、不確定為特征的面向大規(guī)模服務(wù)計(jì)算的分布式系統(tǒng)。然而，支持跨組織工作流應(yīng)用的可靠服務(wù)評(píng)估模型正面臨著協(xié)同作弊和虛假評(píng)價(jià)等各種惡意攻擊，嚴(yán)重影響了企業(yè)之間的協(xié)同工作效率。而且，傳統(tǒng)的服務(wù)評(píng)估模型只適用于小規(guī)模企業(yè)信息系統(tǒng)，難

2、以滿(mǎn)足大數(shù)據(jù)環(huán)境下跨組織工作流可靠性評(píng)估和實(shí)時(shí)計(jì)算的要求。因此，本文從跨組織工作流的可靠性、服務(wù)性能、服務(wù)組織關(guān)系以及服務(wù)可信性等多個(gè)角度出發(fā)，采用基于超平面劃分的Skyline計(jì)算、多子群協(xié)同優(yōu)化、小批量學(xué)習(xí)預(yù)測(cè)與綜合分析、社會(huì)協(xié)同計(jì)算以及在線(xiàn)聚類(lèi)推薦等理論和方法，建立支持跨組織工作流應(yīng)用的可靠服務(wù)計(jì)算模型，并提出面向大規(guī)模服務(wù)計(jì)算的工作流自動(dòng)優(yōu)化算法，解決跨組織復(fù)雜業(yè)務(wù)過(guò)程的動(dòng)態(tài)優(yōu)化與異構(gòu)系統(tǒng)集成等可靠服務(wù)計(jì)算問(wèn)題。
　　論文

3、的主要工作和創(chuàng)新性貢獻(xiàn)歸納如下：
　　1）提出一種面向大規(guī)模服務(wù)計(jì)算的跨組織工作流調(diào)度優(yōu)化算法，針對(duì)大規(guī)模服務(wù)的選擇和組合優(yōu)化問(wèn)題，設(shè)計(jì)一種跨組織工作流調(diào)度優(yōu)化的算法集成框架，通過(guò)集成Skyline過(guò)濾技術(shù)、逆向分層調(diào)度、以及權(quán)值迭代優(yōu)化等模型方法，解決了已有工作流調(diào)度優(yōu)化模型存在的效率問(wèn)題。首先，通過(guò)引入超平面投影劃分模型，過(guò)濾冗余候選服務(wù)，建立Skyline服務(wù)數(shù)據(jù)集，提高了服務(wù)選擇的效率，并運(yùn)用理論證明分析了Skyline模

4、型算法的可行性,發(fā)現(xiàn)了Skyline服務(wù)數(shù)據(jù)數(shù)量遠(yuǎn)小于所有候選服務(wù)數(shù)量的重要原因；然后，采用逆向分層的優(yōu)化算法，確定初始工作流調(diào)度方案；最后，在初始方案的基礎(chǔ)上，圍繞工作流截止期，提出權(quán)值迭代優(yōu)化計(jì)算方法，通過(guò)逐步優(yōu)化工作流調(diào)度模型，從而獲得最優(yōu)方案。仿真實(shí)驗(yàn)結(jié)果表明，提出的跨組織工作流調(diào)度優(yōu)化算法具有良好的效率與正確性，為解決大規(guī)模服務(wù)的選擇和組合優(yōu)化問(wèn)題，提供了一種新的實(shí)用解決方案，具有重要的應(yīng)用價(jià)值。
　　2）提出一種求解工

5、作流可靠性計(jì)算問(wèn)題的多子群協(xié)同進(jìn)化算法，為解決傳統(tǒng)優(yōu)化約束模型的懲罰系數(shù)難以設(shè)置問(wèn)題，將跨組織工作流可靠性計(jì)算問(wèn)題轉(zhuǎn)化為雙目標(biāo)優(yōu)化問(wèn)題，把工作流約束條件作為其中一個(gè)優(yōu)化目標(biāo)，而工作流可靠性?xún)?yōu)化作為另外一個(gè)目標(biāo)；在可靠性計(jì)算模型和混合離散粒子群算法的基礎(chǔ)上，設(shè)計(jì)出相應(yīng)的粒子編碼和帶擾動(dòng)的位置更新算子；綜合考慮雙目標(biāo)優(yōu)化問(wèn)題的特點(diǎn)，定義了一種新穎實(shí)用的均勻多樣性適應(yīng)度函數(shù)，將進(jìn)化群體分解為若干子群，讓各進(jìn)化子群在不同方向上協(xié)同搜索目標(biāo)解；最

6、后根據(jù)適應(yīng)度進(jìn)行排序，構(gòu)造出基于非支配集合的全局最優(yōu)解。仿真實(shí)驗(yàn)結(jié)果表明，提出的跨組織工作流可靠性?xún)?yōu)化算法具有良好的效率，求得的最優(yōu)解集全部滿(mǎn)足約束條件，且分布和質(zhì)量均優(yōu)于基于非支配檔案的混合離散粒子群算法。
　　3）在動(dòng)態(tài)不確定的大規(guī)模服務(wù)計(jì)算環(huán)境下，單一服務(wù)性能評(píng)估值難以全面解釋跨組織工作流的服務(wù)性能狀態(tài)問(wèn)題。因此，采用了綜合的服務(wù)性能預(yù)測(cè)與分析方法，從不同階段和不同角度分析服務(wù)的性能狀態(tài)，通過(guò)計(jì)算服務(wù)過(guò)去某段時(shí)間的歷史性能、

7、當(dāng)前性能、將來(lái)性能以及趨勢(shì)等多個(gè)性能值，合理地評(píng)價(jià)跨組織工作流的服務(wù)性能。而且，針對(duì)大規(guī)模服務(wù)性能預(yù)測(cè)算法的時(shí)間效率問(wèn)題，在綜合權(quán)衡了批量學(xué)習(xí)法和隨機(jī)梯度下降法的基礎(chǔ)上，提出一種基于小批量學(xué)習(xí)的服務(wù)性能預(yù)測(cè)方法，改善了服務(wù)性能預(yù)測(cè)與分析方法的時(shí)效性；并且，理論分析了基于在線(xiàn)學(xué)習(xí)的服務(wù)性能預(yù)測(cè)算法的收斂性。仿真實(shí)驗(yàn)結(jié)果表明，所提算法有效地提升了工作流服務(wù)預(yù)測(cè)算法的時(shí)間效率，解決了大規(guī)模服務(wù)預(yù)測(cè)算法的時(shí)效性問(wèn)題。
　　4）針對(duì)跨組織協(xié)

8、同計(jì)算帶來(lái)的不可靠性和社會(huì)網(wǎng)絡(luò)所固有的大規(guī)模性問(wèn)題，引入社會(huì)計(jì)算的理論與方法，提出支持跨組織工作流應(yīng)用的社會(huì)協(xié)同計(jì)算模型及其優(yōu)化算法，首先，采用基于工作流任務(wù)子網(wǎng)的分層優(yōu)化模型，有效地劃分復(fù)雜社會(huì)網(wǎng)絡(luò)圖，從而簡(jiǎn)化社會(huì)網(wǎng)絡(luò)成員的關(guān)系評(píng)估問(wèn)題；然后，根據(jù)劃分后網(wǎng)絡(luò)的拓?fù)涮卣?，改進(jìn)了快速介數(shù)中性算法，創(chuàng)新性地設(shè)計(jì)了一種基于工作流任務(wù)子網(wǎng)連接點(diǎn)的快速介數(shù)中心性計(jì)算方法，以高效地選取跨組織業(yè)務(wù)項(xiàng)目的領(lǐng)導(dǎo)者；最后，采用基于任務(wù)子網(wǎng)劃分的最短路徑近似

9、算法，實(shí)現(xiàn)了快速查找跨組織業(yè)務(wù)過(guò)程的協(xié)作成員；并且，理論證明了社會(huì)協(xié)同計(jì)算模型及其優(yōu)化算法的可行性。仿真實(shí)驗(yàn)結(jié)果表明，所提算法大幅降低了社會(huì)協(xié)同計(jì)算的復(fù)雜性，保證了較高的準(zhǔn)確性，解決了工作流任務(wù)成員之間的關(guān)系評(píng)價(jià)和人工服務(wù)組合優(yōu)化的時(shí)效性問(wèn)題，為社會(huì)工作流的任務(wù)分派提供了一種新的思路，具備很高的實(shí)際應(yīng)用價(jià)值。
　　5）針對(duì)大規(guī)模服務(wù)計(jì)算環(huán)境中聚集反饋、協(xié)同作弊和虛假評(píng)價(jià)等問(wèn)題，通過(guò)融合在線(xiàn)聚類(lèi)推薦、共謀欺騙檢測(cè)、個(gè)體惡意識(shí)別等技術(shù)

10、，提出了一種支持跨組織工作流集成應(yīng)用的可信服務(wù)推薦方法，首先，根據(jù)跨組織工作流日志中企業(yè)服務(wù)用戶(hù)反饋評(píng)分信息，綜合考慮大規(guī)模服務(wù)計(jì)算的大數(shù)據(jù)特性問(wèn)題，提出基于改進(jìn)更新規(guī)則的在線(xiàn)k-均值聚類(lèi)算法，通過(guò)自動(dòng)修正權(quán)重的聚類(lèi)分組方差計(jì)算，并進(jìn)行遞減增量?jī)?yōu)化，提高了在線(xiàn)k-均值算法的聚類(lèi)質(zhì)量；然后，建立一套復(fù)合檢測(cè)機(jī)制識(shí)別出不同性質(zhì)的虛假行為，充分考慮團(tuán)體的同謀行為特征和協(xié)同攻擊現(xiàn)象，利用聚類(lèi)的性質(zhì)和同謀團(tuán)體異常性的特征，檢測(cè)出協(xié)同作弊團(tuán)體；并對(duì)