Web服務(wù)QoS自適應(yīng)預(yù)測方法研究.pdf

1、由于網(wǎng)絡(luò)環(huán)境的開放性、服務(wù)自身負(fù)載的波動性、用戶需求的不確定性等復(fù)雜易變的環(huán)境因素，導(dǎo)致Web服務(wù)的服務(wù)質(zhì)量(Quality of service,QoS)呈現(xiàn)出高度的動態(tài)性，并且QoS是制約服務(wù)選擇及組合成敗的關(guān)鍵性要素，如何準(zhǔn)確地預(yù)測服務(wù)的QoS已成為服務(wù)計(jì)算與云計(jì)算領(lǐng)域亟需解決的關(guān)鍵問題。用戶使用服務(wù)場景的多樣性、Web服務(wù)QoS數(shù)據(jù)豐富程度的差異性以及QoS預(yù)測方法自身的局限性等因素的影響，使得實(shí)現(xiàn)多種情景下Web服務(wù)QoS的高

2、效預(yù)測成為當(dāng)今研究的重點(diǎn)。
　　針對多情景中Web服務(wù)QoS高效預(yù)測這一問題，本文構(gòu)建了Web服務(wù)QoS自適應(yīng)預(yù)測模型(Web service QoS adaptive prediction model,WS-QoSAPM)。該模型將QoS預(yù)測分為即時QoS預(yù)測和一段時間之后的QoS預(yù)測，分別實(shí)現(xiàn)了不同場景中QoS預(yù)測方法的研究。本文研究內(nèi)容如下：
　　1.在即時QoS預(yù)測中，提出了基于改進(jìn)蜂群算法(Improved art

3、ificial bee colony,I-ABC)優(yōu)化的支持向量機(jī)(Optimized Support vector machine，O-SVM)和事例推理(Case-based reasoning,CBR)的Web服務(wù)QoS預(yù)測方法。根據(jù)實(shí)驗(yàn)結(jié)果構(gòu)建了QoS自適應(yīng)預(yù)測策略：在QoS數(shù)據(jù)量不充分時，選用CBR策略完成QoS預(yù)測；當(dāng)QoS數(shù)據(jù)較為豐富時，采用O-SVM對QoS進(jìn)行預(yù)測。
　　2.針對一段時間之后的QoS預(yù)測，提出了基

4、于O-SVM+CBR和O-SVM+O-SVM的QoS預(yù)測方法。其中，O-SVM+CBR方法使用O-SVM方法實(shí)現(xiàn)負(fù)載的預(yù)測，然后基于CBR方法完成QoS預(yù)測；在O-SVM+O-SVM方法中，同樣使用O-SVM方法完成負(fù)載的預(yù)測，然后基于O-SVM方法對QoS進(jìn)行預(yù)測。通過實(shí)驗(yàn)分析得到了自適應(yīng)預(yù)測策略：當(dāng)QoS數(shù)據(jù)較少時，選擇基于O-SVM+CBR算法的QoS預(yù)測方法；當(dāng)QoS數(shù)據(jù)較為豐富時，選取基于O-SVM+O-SVM策略的QoS預(yù)測