基于改进离散粒子群算法的Web服务组合研究

发布时间：2017-05-18 21:14

  本文关键词：基于改进离散粒子群算法的Web服务组合研究，，由笔耕文化传播整理发布。

【摘要】：随着互联网技术的不断发展,Web服务作为一种新兴的Web应用模式,近年来得到快速发展与应用,Web服务数量逐渐增多。同时由于用户对服务功能与服务质量(Quality of Service, QoS)的要求越来越高,单个Web服务己无法满足用户日益增长的业务需求,Web服务组合技术应运而生。Web服务组合是通过重用己有分布于Internet中的各类服务,按照一定的业务流程,实现服务间无缝集成,形成满足用户复杂应用需求的增值服务。然而,面对网络上大量功能相同但QoS不同的Web服务,如何高效地从大规模的候选服务集中选择满足用户需求的服务,己成为新的应用需求和研究热点。本文基于改进的离散粒子群优化算法解决Web服务组合问题,不仅研究了传统串行模式下的Web服务组合优化问题,也研究了MapReduce并行模式下的大规模Web服务组合优化问题。本文的主要研究工作包括：(1)介绍了Web服务组合的基础知识和相关技术。包括Web服务与Web服务组合的基本概念,服务组合领域目前典型的研究方法以及基于QoS的服务组合相关基础理论。(2)分析了标准粒子群算法的基本原理,指出该算法存在早熟收敛,以及容易在后期陷入局部最优的缺陷。本文提出一种改进的混沌粒子群算法(ICPSO)解决服务组合优化问题,算法引入混沌优化的思想提高种群多样性的同时,采用Skyline技术降低服务搜索空间,从而提高算法求解效率。大量实验结果验证了ICPSO算法的有效性与稳定性。(3)介绍了MapReduce技术框架与基本原理的基础上,本文运用分布式并行化框架对粒子群算法进行建模,结合早熟收敛处理机制,提出了一种基于MapReduce的分布式并行粒子群优化算法(MR-IDPSO),用于解决分布式并行环境下大规模服务组合优化问题。实验结果表明本文MR-IDPS O算法在MapReduce模式下解决大规模Web服务组合优化问题是可行和有效的。
【关键词】：服务组合 粒子群算法(PSO) 服务质量(QOS) MapReduce Skyline
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;TP393.09
【目录】：

• 摘要3-4
• Abstract4-8
• 第一章 绪论8-14
• 1.1 研究背景与意义8-9
• 1.2 研究现状分析及问题提出9-12
• 1.3 本文研究内容与组织结构12-13
• 1.3.1 研究内容12-13
• 1.3.2 组织结构13
• 1.4 本章小结13-14
• 第二章 Web服务组合相关技术14-24
• 2.1 Web服务14
• 2.2 Web服务组合问题定义14-16
• 2.2.1 Web服务组合的概念14-15
• 2.2.2 Web服务组合方法15-16
• 2.3 QoS感知的服务组合16-23
• 2.3.1 Web服务质量(QoS)16-18
• 2.3.2 Web服务组合的QoS计算模型18-21
• 2.3.3 基于QoS的服务选择策略21-23
• 2.4 本章小结23-24
• 第三章 混沌粒子群算法在Web服务组合中的应用24-40
• 3.1 标准粒子群算法24-26
• 3.2 基于ICPSO算法的Web服务组合26-32
• 3.2.1 Web服务组合模型27-29
• 3.2.2 Skyline技术29-31
• 3.2.3 混沌及其特性31-32
• 3.3 ICPSO算法改进策略32-35
• 3.3.1 混沌初始化种群32-33
• 3.3.2 早熟收敛处理机制33-35
• 3.4 算法实现35-36
• 3.5 实验结果与分析36-39
• 3.6 本章小结39-40
• 第四章 MapReduce模式下的Web服务组合40-54
• 4.1 MapReduce技术简介40-42
• 4.2 MR-IDPSO算法建模42-44
• 4.2.1 编码策略42-43
• 4.2.2 粒子更新43-44
• 4.3 基于MR-IDPSO算法的Web服务组合44-47
• 4.3.1 MapReduce服务组合建模44-46
• 4.3.2 早熟收敛处理机制46-47
• 4.4 算法实现47-49
• 4.5 实验结果与分析49-53
• 4.5.1 实验环境与数据集49
• 4.5.2 MR-IDPSO与MR-GA算法的性能比较49-53
• 4.6 本章小结53-54
• 第五章 总结与展望54-56
• 参考文献56-61
• 附录A 图索引61-62
• Appendix A Figure Index62-63
• 附录B 表索引63-64
• Appendix B Table Index64-65
• 致谢65-66
• 攻读硕士学位期间参与的科研项目与发表的论文66

【参考文献】

中国期刊全文数据库 前10条

1 Yanping Zhang;Zihui Jing;Yiwen Zhang;;MR-IDPSO: A Novel Algorithm for Large-Scale Dynamic Service Composition[J];Tsinghua Science and Technology;2015年06期

2 张燕平;荆紫慧;张以文;钱付兰;石磊;;基于离散粒子群算法的动态Web服务组合[J];计算机科学;2015年06期

3 唐崇;;Web服务组合QoS优化问题综述[J];信息技术与信息化;2015年04期

4 Yiwen Zhang;Guangming Cui;Yan Wang;Xing Guo;Shu Zhao;;An Optimization Algorithm for Service Composition Based on an Improved FOA[J];Tsinghua Science and Technology;2015年01期

5 王娜;卫波;王晋东;张恒巍;;基于混沌多目标粒子群优化算法的云服务选择[J];计算机工程;2014年03期

6 Yaxiong Zhao;Jie Wu;Cong Liu;;Dache: A Data Aware Caching for Big-Data Applications Using the MapReduce Framework[J];Tsinghua Science and Technology;2014年01期

7 汤可宗;丰建文;;一种改进的混沌粒子群优化算法[J];信息技术;2013年10期

8 冀素琴;石洪波;;基于MapReduce的K-means聚类集成[J];计算机工程;2013年09期

9 温涛;盛国军;郭权;李迎秋;;基于改进粒子群算法的Web服务组合[J];计算机学报;2013年05期

10 张学锋;余利;胡宝清;严国全;李博;;基于MapReduce的并行石漠化CA模型[J];计算机工程与应用;2013年16期

中国博士学位论文全文数据库 前3条

1 盛国军;Web服务发现与选择关键技术研究[D];东北大学;2013年

2 张杏莉;几何约束求解关键问题研究[D];山东科技大学;2010年

3 唐贤伦;混沌粒子群优化算法理论及应用研究[D];重庆大学;2007年

中国硕士学位论文全文数据库 前10条

1 杜宇;支持QoS关联的组合服务Skyline研究[D];南京大学;2015年

2 李超;基于改进粒子群算法的云计算资源调度研究[D];中国矿业大学;2015年

3 李政;基于QoS的Web服务组合优化研究[D];燕山大学;2014年

4 韩露;支持服务关联的Web服务选择技术研究[D];宁波大学;2014年

5 石熙;基于QoS的粒子蚁群算法在Web服务组合问题中的研究[D];哈尔滨理工大学;2014年

6 郑开;基于QoS的Web服务组合研究[D];西南大学;2013年

7 李隆;基于QoS约束的Web服务动态组合技术研究[D];中国电子科学研究院;2013年

8 许晓曼;基于蚁群算法的QoS最优Web服务组合方法研究[D];南京邮电大学;2013年

9 朱振;基于QoS的服务选择及其诊断方法研究[D];南京大学;2012年

10 张晓岑;基于QoS的Web服务智能动态组合的研究[D];浙江理工大学;2012年

  本文关键词：基于改进离散粒子群算法的Web服务组合研究，由笔耕文化传播整理发布。

本文编号：377166