基于差分进化算法的Web服务组合研究

发布时间：2021-01-02 18:39

　　随着云计算技术的成熟和发展,云计算下的Web服务组合变成了一个越来越受到关注的热点。传统资源池中的Web服务性能单一很难满足人们日益增长的需求,Web组合的目的是服务的重用,Web服务之间的相互通信和协作,有效地联合各种不同功能的Web服务,从而完成和解决一些复杂多样的问题,实现在已有服务基础上的增值。目前在评价Web服务中使用最为广泛的指标是服务质量（Quality of Service,QoS）,该指标只能反映服务的质量特性,很难反映用户对服务体验质量的满意程度,而体验质量（Quality of Experience,QoE）却能很好地反映用户对服务体验质量。本文主要研究使用差分进化算法求解基于QoE评价指标的Web服务组合问题。首先,在模糊专家系统上研究了一种基于QoE的Web服务组合模型,并将其抽象成关于QoE的数学模型。其次,在基本差分进化算法（Differential Evolution Algorithm,DE）基础上,提出了参数自适应DE算法,该算法利用混沌初始化、小生境淘汰策略和参数自适应机制,使之在迭代过程中保持种群多样性的同时,又能动态调节交叉率CR和缩放因子F。... 

【文章来源】：南京邮电大学江苏省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

云计算的模型

士研究生学位论文 第二章 相关把自然语言翻译成计算机能够识别的 Web 服务描述语言。器将用户递交的信息翻译成组合管理器能够识别的语言。服务器在接受到翻译器提交的信息后，根据信息生成服务组合的解决方法发送给执行引擎。引擎把接受的方案提交给服务匹配器。器根据条件要求从服务候选集中选取适当的服务。器将选择出的 Web 服务返回给执行引擎。引擎在执行过程中对获取的 Web 服务组合进行性能监测。引擎把结果返回给用户。

论文 第三章 Web 服务组不同的概率分布函数，用概率分布函数除以其般多采用三角形或梯形结构表示。本文选取ean Opinion Score，MOS）把 QoS 参数划分，所以使用三个等级（高中低或大中小）描和可靠性（R）的隶属函数，如图 3.2、3.3、

【参考文献】：
期刊论文
[1]随机自适应差分进化算法[J]. 沈鑫,邹德旋,张鑫.  电子科技. 2018(02)
[2]基于参数动态调整的多目标差分进化算法[J]. 侯莹,韩红桂,乔俊飞.  控制与决策. 2017(11)
[3]基于精英区域学习的多种群自适应的差分进化算法[J]. 蔡万刚,蔡志伟,郑建国.  运筹与管理. 2017(08)
[4]基于粒子群优化算法的电网GIC-Q多目标优化策略[J]. 杨培宏,刘连光,刘春明,冯士伟,郑许朋.  电力自动化设备. 2017(03)
[5]Web服务组合技术框架及其研究进展[J]. 邓水光,黄龙涛,尹建伟,李莹,吴健.  计算机集成制造系统. 2011(02)
[6]基于小生境的混沌变异差分进化算法[J]. 邓泽喜,刘晓冀.  计算机工程与应用. 2010(25)
[7]语义Web服务组合综述[J]. 崔华,应时,袁文杰,胡罗凯.  计算机科学. 2010(05)
[8]粒子群算法求解Web服务组合中基于QoS的服务选择[J]. 夏虹,李增智.  北京邮电大学学报. 2009(04)
[9]基于主题模型的结构化Web服务发现机制[J]. 陈江锋,于建军.  北京航空航天大学学报. 2008(06)
[10]一种新的Web分类方法[J]. 邹汉斌,张伟,周霆,陈芸.  微计算机应用. 2005(04)

博士论文
[1]云计算中服务组合与选择技术研究[D]. 刘阳.北京邮电大学 2013

硕士论文
[1]多目标广义蚁群算法的收敛性、收敛速度和算法复杂度研究及其应用[D]. 傅鹏.南京邮电大学 2014
[2]基于模糊模型的专家系统推理方法[D]. 赵利.浙江大学 2013
[3]基于重构的轻量级SOA架构[D]. 张之珺.华东师范大学 2008



本文编号：2953432