2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩133頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、服務(wù)計(jì)算模式允許組合各種Web服務(wù),獲得新的增值服務(wù),實(shí)現(xiàn)了服務(wù)的重用。然而,由于服務(wù)數(shù)量的快速增加,Web服務(wù)的質(zhì)量(Quality of Service,QoS)良莠不齊,在執(zhí)行組合應(yīng)用的過(guò)程中,可能由于某服務(wù)是惡意服務(wù)(攜帶病毒)或其QoS與服務(wù)提供商承諾的不一致而導(dǎo)致組合服務(wù)調(diào)用失敗,也可能因環(huán)境變化而導(dǎo)致服務(wù)執(zhí)行時(shí)所在的計(jì)算節(jié)點(diǎn)失效,導(dǎo)致組合Web服務(wù)應(yīng)用不可用。因此,如何在海量的Web服務(wù)中,根據(jù)用戶的服務(wù)請(qǐng)求,構(gòu)建滿足用戶

2、QoS需求的服務(wù)組合及容錯(cuò)方法仍然存在諸多挑戰(zhàn),本文針對(duì)上述背景下的若干關(guān)鍵問(wèn)題進(jìn)行了深入的研究,取得的主要成果如下:
  (1)研究基于QoS信任下的Web服務(wù)組合問(wèn)題,提出了基于兩個(gè)階段的神經(jīng)網(wǎng)絡(luò)及QoS等級(jí)劃分的服務(wù)組合方法,該方法利用兩個(gè)階段的神經(jīng)網(wǎng)絡(luò)篩選QoS受信任的Web服務(wù),在保證全局約束條件及所有的組合成員服務(wù)都具有很好的QoS信任的條件下,建立等級(jí)劃分的服務(wù)組合模型。然后提出了基于等級(jí)劃分的服務(wù)組合算法,最大化組

3、合后服務(wù)的效用值,進(jìn)而獲得QoS可信的近似最優(yōu)解。實(shí)驗(yàn)結(jié)果表明,非信任服務(wù)的識(shí)別率達(dá)到90%,明顯高于傳統(tǒng)的CorrelationLens識(shí)別方法。此外,與整型規(guī)劃方法相比,本文提出的基于QoS等級(jí)劃分的組合算法的求解速度提升了近3倍,且獲得的解已非常接近全局最優(yōu)解,更好地確保組合服務(wù)的QoS指標(biāo)受信任和最優(yōu)。
  (2)研究大規(guī)模備選服務(wù)下的服務(wù)組合效率問(wèn)題,提出了一種以快速抽樣為核心的Web服務(wù)組合方法FAQS,該方法采用統(tǒng)計(jì)

4、學(xué)抽樣理論對(duì)Web服務(wù)QoS數(shù)據(jù)庫(kù)進(jìn)行研究,并對(duì)每個(gè)效用值區(qū)間內(nèi)的服務(wù)進(jìn)行抽樣;其次,在樣本空間內(nèi),對(duì)于所抽取的典型Web服務(wù)進(jìn)行建模,即以Web服務(wù)效用值與Web服務(wù)使用頻率值為目標(biāo)參數(shù)建立服務(wù)選擇模型;最后,根據(jù)得到的樣本空間內(nèi)的服務(wù)組合結(jié)果,在完全空間中進(jìn)一步優(yōu)化,選出滿足全局QoS約束且保證QoS效用值與服務(wù)頻率值最大化的服務(wù)。實(shí)驗(yàn)結(jié)果表明,該方法可以在大規(guī)模備選服務(wù)中準(zhǔn)確、高效地獲取服務(wù)組合結(jié)果。
  (3)研究組合方案

5、中成員服務(wù)失效的問(wèn)題,提出了組合方案的可靠性模型FTDes,即決策模型與優(yōu)化模型,旨在提升Web服務(wù)組合方案的可靠性。在決策模型構(gòu)建過(guò)程中,通過(guò)選取決策參數(shù)、構(gòu)建決策矩陣、設(shè)計(jì)決策模型,為失效的成員服務(wù)找到可替代的備選Web服務(wù)集合;在優(yōu)化過(guò)程中,把策略優(yōu)化選擇問(wèn)題歸結(jié)為0-1整型規(guī)劃問(wèn)題,提出頂點(diǎn)凸殼的過(guò)濾方法并結(jié)合標(biāo)準(zhǔn)的整型規(guī)劃器CPLEX得到優(yōu)化的服務(wù)替換方案。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)的決策方法(包括層次分析法APH、證據(jù)推理法ER、

6、喜好值排序技術(shù)的決策模型TOPSIS、線性分配法LAM)相比,本文提出的方法從決策準(zhǔn)確度、響應(yīng)時(shí)間方面要優(yōu)于傳統(tǒng)方法,與此同時(shí),本文分析了優(yōu)化選擇過(guò)程、TopK算法以及不同參數(shù)對(duì)于決策結(jié)果的影響,更好地保證組合服務(wù)的整體QoS指標(biāo)得到進(jìn)一步維持與優(yōu)化,有效地提高了Web組合方案的可靠性。
  (4)研究組合Web服務(wù)應(yīng)用的節(jié)點(diǎn)失效問(wèn)題,提出了環(huán)形心跳檢測(cè)機(jī)制與輕量級(jí)恢復(fù)機(jī)制,旨在提升組合Web應(yīng)用的可靠性。在環(huán)形心跳檢測(cè)機(jī)制中,為

7、了減輕中心節(jié)點(diǎn)的壓力,基于環(huán)形拓?fù)涞臋z測(cè)方式設(shè)計(jì)了分布式的心跳算法,并在每個(gè)節(jié)點(diǎn)上部署該心跳算法;針對(duì)傳統(tǒng)恢復(fù)方法時(shí)間開(kāi)銷過(guò)大的問(wèn)題,提出了輕量級(jí)的恢復(fù)機(jī)制,設(shè)計(jì)了考慮負(fù)載重新分配的恢復(fù)算法,同時(shí)考慮集群負(fù)載超出閾值時(shí),在環(huán)形結(jié)構(gòu)中增加新的節(jié)點(diǎn),從而降低集群負(fù)載,避免因負(fù)載過(guò)高而引起節(jié)點(diǎn)失效。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)的日志分析檢測(cè)方法和系統(tǒng)級(jí)恢復(fù)方法相比,該檢測(cè)與恢復(fù)機(jī)制的開(kāi)銷小、延遲少,避免了服務(wù)器節(jié)點(diǎn)失效導(dǎo)致組合Web服務(wù)應(yīng)用的整體Qo

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論