基于QoS的Web服务组合算法研究与实现

论文摘要

Web服务以其松散耦合性和高度可集成性,已经成为目前实现SOA(Service Oriented Architecture,面向服务的体系结构)的最好手段之一。面对各种不同的业务需求,Web服务提供者很难提供足够多的原子服务给使用者。因此,通过整合网络上已有的Web服务资源以构建新的复杂服务去满足不同用户的需求就成为解决这一问题的有效手段。基于特定的组合手段,形成不同的组合方案,形成不同的组合服务,提供不同的功能以满足用户多样化的需求是Web服务组合的核心思想。在进行Web服务组合时,我们遇到的一个重要问题就是不同的Web服务提供商可能会提供功能相似甚至相同的服务,那么如何按照用户的需求,从大量功能相似或相同的Web服务中选择合适的服务参与组合就成为Web服务组合领域必须解决的一个关键问题。本文在国内外关于基于QoS的Web服务组合研究的基础上,主要以工作流为基础,围绕QoS驱动的Web服务组合问题进行了以下方面的探索和研究：针对基于QoS的Web服务组合研究的需要,本文研究了Web服务的相关技术标准和Web服务组合的支撑技术,基于Web服务功能属性和非功能属性分离的思想,在参考国际标准和考虑实际情况的基础上,建立了描述Web服务非功能属性的QoS模型。为了能够量化组合服务的用户满意度,本文对基于QoS的Web服务组合过程进行了抽象,分别建立了基于多目标优化和最短路径的Web服务组合数学模型,并提出了一种支持这两种组合模型的动静结合Web服务组合策略。考虑到智能算法解决大规模问题的优良性能,本文将遗传算法和蚁群算法引入Web服务组合领域,实现了基于遗传算法和蚁群算法的Web服务选择；在此基础上,提出了针对服务选择问题的遗传算法二次编码方法；提出了基于蚁群的遗传—蚁群混合智能优化算法,该算法具有全局搜索能力和快速收敛能力,提高了蚁群算法解决Web服务选择问题的性能。鉴于传统WSDL(Web Service Description Language, Web服务描述语言)描述能力的不足,本文在保留其原有描述能力的基础上,对传统WSDL的描述能力进行了扩展,给出了描述Web服务非功能属性的结构框架；为直观反映本文的研究内容,对比文中基于QoS的Web服务组合算法性能,设计实现了一个基于Jsp的SOA模拟系统和一个基于Java的服务组合管理原型系统。目前,服务技术及Web服务组合都已成为研究的热点问题,但在理论、方法研究及实际应用方面还存在很多问题。本文研究提出的模型、理论和方法,对现有的Web服务组合有重要的参考价值,同时本文针对Web服务组合提出的算法和解决策略,可应用于其它面向业务的网络管理(如网格服务),因此本文的研究具有重要的学术意义和广泛的应用前景。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.2 研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 本文研究工作介绍
• 1.4 论文组织结构和主要内容
• 1.5 本章小结
• 第2章 服务组合支撑技术
• 2.1 Web服务技术概述
• 2.1.1 面向服务的体系结构
• 2.1.2 Web服务与面向服务的体系结构
• 2.1.3 Web服务的模型
• 2.1.4 Web服务的协议栈
• 2.2 Web服务的描述
• 2.3 Web服务组合技术概述
• 2.3.1 Web服务组合的概念
• 2.3.2 Web服务组合的分类比较
• 2.3.3 Web服务组合策略
• 2.4 本文定义的相关概念
• 2.5 本章小结
• 第3章 基于QoS的Web服务组合模型
• 3.1 Web服务的QoS模型
• 3.2 QoS驱动的动静结合Web服务组合策略
• 3.3 基于QoS的Web服务选择模型
• 3.3.1 基于多目标优化的Web服务选择
• 3.3.2 基于最短路径的Web服务选择
• 3.4 基于QoS的Web服务选择场景设计
• 3.5 基于QoS的Web服务选择测试数据集的组织
• 3.6 本章小结
• 第4章 基于遗传算法的Web服务选择
• 4.1 遗传算法介绍
• 4.1.1 遗传算法常用术语
• 4.1.2 遗传算法基本思想
• 4.1.3 遗传算法参数对性能影响
• 4.2 基于遗传算法Web服务选择过程
• 4.2.1 一维二进制遗传算法编码方式
• 4.2.2 遗传算法解决Web服务选择的处理过程
• 4.3 使用二次编码遗传算法进行Web服务选择
• 4.3.1 二次编码遗传算法的编码过程
• 4.3.2 二次编码遗传算法的性能分析
• 4.3.3 二次编码遗传算法选择过程
• 4.4 算法测试与分析
• 4.5 本章小结
• 第5章 基于蚁群算法的Web服务选择
• 5.1 蚁群算法介绍
• 5.1.1 蚁群算法的数学模型
• 5.1.2 蚁群算法中参数对算法性能的影响
• 5.2 基于蚁群算法的Web服务选择
• 5.2.1 蚁群算法的选择过程
• 5.2.2 算法测试与分析
• 5.3 基于遗传--蚁群混合算法进行Web服务选择
• 5.3.1 基于遗传—蚁群混合算法的Web服务选择过程
• 5.3.2 算法测试与分析
• 5.4 本章小结
• 第6章 基于QoS的Web服务组合原型系统
• 6.1 对WSDL的扩展
• 6.2 基于Jsp的SOA模拟系统
• 6.3 基于Java的Web服务组合管理系统
• 6.4 本章小结
• 第7章 相关工作总结与展望
• 7.1 相关工作总结
• 7.2 基于QoS的Web服务组合的其他问题
• 7.2.1 基于QoS属性关联的Web服务组合
• 7.2.2 基于不确定QoS的Web服务组合
• 7.2.3 QoS驱动的基于语义的Web服务组合
• 7.3 下一步研究工作展望
• 参考文献
• 附录
• A. 基于二次编码遗传算法的Web服务选择核心代码
• B. 基于蚁群算法的Web服务选择核心代码
• C. 基于遗传—蚁群混合算法的Web服务选择核心代码
• 攻读学位期间取得的研究成果
• 致谢