語義Web動(dòng)態(tài)服務(wù)組合技術(shù)的關(guān)鍵性問題研究.pdf

1、Internet的飛速發(fā)展正在改變整個(gè)社會(huì),一個(gè)數(shù)字化的時(shí)代已經(jīng)到來。毫無疑問,在這個(gè)基于Internet的數(shù)字化社會(huì)里,各種各樣的網(wǎng)上應(yīng)用和網(wǎng)絡(luò)服務(wù)都將會(huì)越來越多。而且,這些應(yīng)用和服務(wù)將會(huì)遍及政治、經(jīng)濟(jì)、軍事、教育、科技、文化、商業(yè)、宗教等各個(gè)領(lǐng)域。與現(xiàn)實(shí)社會(huì)一樣,人們?cè)贗nternet上的應(yīng)用和服務(wù)的需求都是不斷變化的,因此,Internet提供的應(yīng)用和服務(wù)也應(yīng)該隨著人們需求的變化而變化,這也是一種以人為本的理念。
　　 作

2、為一種新型的分布式計(jì)算模式,語義Web動(dòng)態(tài)服務(wù)組合近年來得到了產(chǎn)業(yè)界和學(xué)術(shù)界的廣泛關(guān)注。在實(shí)際應(yīng)用中,單一的Web服務(wù)僅實(shí)現(xiàn)一般要求,無法滿足現(xiàn)實(shí)應(yīng)用的多維需求。因此,在新一代Internet環(huán)境下,如何動(dòng)態(tài)合成單一服務(wù)所提供的各種功能,形成新型、穩(wěn)定、可靠、功能綜合、支持QoS管理的動(dòng)態(tài)服務(wù)組合,滿足Web用戶各自不同的個(gè)性化需求,已成為學(xué)術(shù)研究的焦點(diǎn),應(yīng)用前景廣闊。論文在此領(lǐng)域開展了研究,工作的主要內(nèi)容體現(xiàn)六個(gè)方面:
　　

3、(1)提出了語義Web動(dòng)態(tài)服務(wù)組合模型
　　 根據(jù)Web動(dòng)態(tài)服務(wù)架構(gòu)和主動(dòng)計(jì)算特征,提出了語義Web動(dòng)態(tài)服務(wù)組合模型,模型通過對(duì)服務(wù)請(qǐng)求者的意圖進(jìn)行發(fā)現(xiàn)與響應(yīng),定位用戶個(gè)性化的服務(wù)需求,服務(wù)質(zhì)量和服務(wù)等級(jí);借助服務(wù)注冊(cè)庫(UDDI)資源,啟動(dòng)動(dòng)態(tài)查詢與發(fā)現(xiàn)用戶需要的服務(wù)引擎;通過服務(wù)獲取技術(shù),動(dòng)態(tài)進(jìn)行服務(wù)功能組合路徑優(yōu)化,綁定所需服務(wù)的URI獲取匹配服務(wù)發(fā)布,實(shí)現(xiàn)穩(wěn)定、可靠、功能綜合的語義Web服務(wù)。
　　 (2)提出了

4、基于服務(wù)分類技術(shù)的選擇性集成算法
　　 Web服務(wù)分類是實(shí)現(xiàn)服務(wù)動(dòng)態(tài)組合的前提與基礎(chǔ)。AODE(AveragedOne-Dependence Estimators)算法是最近提出的一種典型的基于naive Bayes的改進(jìn)算法,并受到國(guó)際機(jī)器學(xué)習(xí)界的關(guān)注。交叉熵方法(Cross-entropy Method)是一種解決組合優(yōu)化問題的全局隨機(jī)搜索算法,已成功的應(yīng)用到許多經(jīng)典的NP問題求解中?；诮徊骒胤椒?提出了解決AODE算法選

5、擇性集成的CESAODE(Cross-Entropy method for Selective AODE)算法,期望實(shí)現(xiàn)Web服務(wù)分類有效性與可靠性的提升。在WEKA平臺(tái)上使用UCI數(shù)據(jù)集進(jìn)行的仿真實(shí)驗(yàn)結(jié)果表明,CESAODE算法比現(xiàn)有的分類算法具有更好的分類性能。
　　 (3)提出了基于多任務(wù)Web動(dòng)態(tài)服務(wù)即時(shí)分類算法
　　 傳統(tǒng)的即時(shí)分類算法偏向于單個(gè)實(shí)例,即在某一時(shí)期內(nèi)僅處理一個(gè)實(shí)例,而其他實(shí)例只能在緩沖區(qū)等待。當(dāng)

6、進(jìn)程被中斷的時(shí)候,部分實(shí)例被充分評(píng)估。中斷時(shí),剩下的實(shí)例則沒有經(jīng)過任何的評(píng)估。這樣,對(duì)實(shí)例總體來說只得到局部的優(yōu)化。論文提出一種更為靈活、有效的面向Web多任務(wù)動(dòng)態(tài)服務(wù)即時(shí)分類算法。基于t分布的p-value(誤判率)即時(shí)分類算法。該算法著眼于全局,在整體實(shí)例中選取最需要得到評(píng)估的實(shí)例進(jìn)行計(jì)算,從而在中斷計(jì)算時(shí)得到全局的最優(yōu)化,實(shí)現(xiàn)分類事務(wù)處理過程的分類效率和準(zhǔn)確率的有效統(tǒng)一。
　　 (4)提出了面向Web動(dòng)態(tài)服務(wù)組合優(yōu)化的動(dòng)態(tài)

7、小生境學(xué)習(xí)機(jī)制
　　 在SOA架構(gòu)下,Web用戶的服務(wù)需求是動(dòng)態(tài)變化的,而當(dāng)前諸多智能進(jìn)化算法的研究?jī)H關(guān)注針對(duì)靜態(tài)問題求解,這種靜態(tài)導(dǎo)向的算法在進(jìn)化后期往往會(huì)失去對(duì)環(huán)境的適應(yīng)能力,無法跟蹤極值點(diǎn)在搜索空間的運(yùn)動(dòng)路徑,從而無法適應(yīng)Web環(huán)境下的動(dòng)態(tài)問題求解。論文提出一種基于語義Web服務(wù)動(dòng)態(tài)小生境的自組織學(xué)習(xí)算法(dynamic niche-based self-organizing learning algorithm,DNSL

8、A),首次實(shí)現(xiàn)了基于0-1編碼的動(dòng)態(tài)學(xué)習(xí)機(jī)制,種群中的個(gè)體由被動(dòng)適應(yīng)轉(zhuǎn)為主動(dòng)學(xué)習(xí),能夠動(dòng)態(tài)偵測(cè)Web服務(wù)需求與服務(wù)環(huán)境的變化,具有更強(qiáng)健的動(dòng)態(tài)環(huán)境適應(yīng)能力。
　　 通過計(jì)算仿真實(shí)驗(yàn)顯示,算法在動(dòng)態(tài)變化的環(huán)境中,能夠很好地與環(huán)境進(jìn)行穩(wěn)定而友好的交互學(xué)習(xí),魯棒性強(qiáng),動(dòng)態(tài)搜索能力和極值點(diǎn)跟蹤能力優(yōu)于同類搜索方法。
　　 (5)提出了一種動(dòng)態(tài)服務(wù)過程失效偵測(cè)與響應(yīng)處理機(jī)制
　　 服務(wù)失效是影響服務(wù)可用性的制約因素。論文從

9、服務(wù)過程的動(dòng)態(tài)偵測(cè)、服務(wù)失效的即時(shí)響應(yīng)二個(gè)維度展開研究,構(gòu)建了一種新的面向Web服務(wù)的失效偵測(cè)機(jī)制,實(shí)現(xiàn)偵測(cè)的完整性、準(zhǔn)確性和效率的有效折中,強(qiáng)化服務(wù)對(duì)動(dòng)態(tài)環(huán)境的適應(yīng)性;在失效容錯(cuò)處理的映射研究中,論文引入粒子群優(yōu)化算法均值聚類分析,尋求Web動(dòng)態(tài)服務(wù)過程失效邊界值的有效求解,探索在流程初始SLA(用戶等級(jí)服務(wù)協(xié)議)得到滿足的條件下,重構(gòu)執(zhí)行流程,穩(wěn)定服務(wù)常態(tài),滿足不同層次Web用戶的個(gè)性化服務(wù)需求。
　　 (6)提出了Web動(dòng)