导读:本文包含了服务属性组合论文开题报告文献综述及选题提纲参考文献，主要关键词:Web服务组合,QoS,多属性决策,遗传算法
服务属性组合论文文献综述
鲁城华,寇纪淞[1]（2019）在《求解Web服务组合QoS优化的多属性决策及自适应遗传算法》一文中研究指出随着面向服务计算(Service-oriented Computing,SOC)的不断发展,基于服务质量(Quality of Service,QoS)的Web服务组合研究成为了必然趋势。鉴于QoS属性的多维性及相互矛盾性,提出将基于QoS的Web服务组合优化问题转化为多属性决策问题进行求解。采用折中系数对每个组合服务实例到正负理想点的距离进行累加求和,最终得到一组最优服务排序结果,用户可以根据自身偏好进行选择。传统的多属性决策方法无法有效地处理大规模的组合服务搜索空间,因此,为了有效地解决Web服务组合优化这一NP难题,提出一种结合多属性决策方法和自适应遗传算法的新型优化算法来解决该问题。实验采用真实的QoS综合服务数据集进行验证,实验结果表明,该方法能够在较短时间内找到全局近似最优解,且解集的排序结果接近于实际的最优服务排序。同时,该方法对于解决大规模的Web服务组合优化问题具有良好的可伸缩性。(本文来源于《计算机科学》期刊2019年02期）
鲁城华,寇纪淞[2]（2018）在《基于多目标多属性决策的大规模Web服务组合QoS优化》一文中研究指出通过多目标多属性决策方法,解决基于服务质量(quality of service,QoS)的大规模Web服务选择和组合问题。不同于以往将多个QoS值赋权累加为单一值的方法,采用多属性决策方法,同时处理多个QoS属性,将每个解到正负理想点的距离转化为多目标优化问题。提出一种基于ε支配的多目标遗传算法来解决Web服务组合优化问题。计算结果为一组折中的帕累托最优解集,为用户提供多种选择方案。当用户所选择的服务运行失败时,用户可以从其他备选服务中进行选择。实验结果表明,所提出算法具有满意的收敛性、分布性和可扩展性,且算法复杂性优于流行算法NSGA-Ⅱ和SPEA2。(本文来源于《管理学报》期刊2018年04期）
徐宣国,张凯,苏翔,刘开[3]（2015）在《制造云服务组合柔性的四维属性测度方法》一文中研究指出云制造环境下服务资源进行动态组合时不可避免地遇到内、外部环境的不确定性,这些不确定性因素直接影响到制造云服务组合的执行成本、效率和质量。为了有效提升制造云服务组合的柔性,需要对其柔性能力进行测度。在假定某待选云服务集中的各服务资源能够以不同的效率替代完成任务的基础上,建立了考虑制造云服务组合柔性的效率柔性、冗余柔性、路径柔性和任务柔性的四维属性测度方法。最后,结合具体算例对该方法的应用过程进行了分析。(本文来源于《运筹与管理》期刊2015年06期）
刘开,李正义,范磊[4]（2015）在《制造云服务组合柔性的多属性评价方法》一文中研究指出云制造环境下制造云服务进行动态组合时会受到诸多不确定因素影响。不确定环境下,柔性较好的服务组合能更好地满足用户制造任务需求。为获取制造云服务组合柔性的评价结果,需要一套有效的服务组合柔性评价方法。在分析制造云服务组合各类柔性基础上,提出覆盖多类属性的制造云服务组合柔性评价方法,为相关企业构建和运用云制造服务平台提供决策理论和工具。(本文来源于《江苏科技大学学报(社会科学版)》期刊2015年03期）
杨洁,李登峰,赖礼邦[5]（2015）在《Web服务环境下基于信息协商的组合服务多属性选择方法》一文中研究指出Web服务环境下,通过对Qo S感知服务选择问题及信息协商流程的形式化描述分析,从信息协商的重复考虑用户需求特点出发,提出了基于信息协商的组合服务选择方法及具体实现途径。该方法能综合体现动态协商和犹豫度特点,并且有效避免了评价信息的丢失。最后,通过实例分析表明该方法对于Web服务环境下组合服务选择应用的可行性和有效性。(本文来源于《运筹与管理》期刊2015年03期）
冯艳,陈富赞[6]（2015）在《基于QoS多属性决策的Web服务组合优化方法》一文中研究指出从海量候选服务组合计划中选择具有最优/满意服务质量(Qo S)的计划,即基于Qo S的Web服务组合,是面向服务计算的难题之一。为此,将该问题建模为多属性决策问题,同时针对传统多属性决策方法难以处理海量搜索空间的问题,提出一种结合折中比例法和遗传算法的新型智能进化算法(GACRM)。GACRM结合了折中比例法的方案排序优势和遗传算法高效的全局搜索能力,能够从海量搜索空间中快速找到全局近似最优解。实验结果表明,该算法不仅能够高效地产生与折中比例法接近的最优方案排序,且在解决大规模Web服务组合问题上具有良好的可伸缩性。(本文来源于《计算机工程》期刊2015年06期）
张凯[7]（2015）在《制造云服务组合柔性的多属性测度方法研究》一文中研究指出随着经济全球化深入发展和全球市场竞争进入新的阶段,我国制造业正处在转型升级的关键时期。转型过程中,资源受限和资源闲置问题困扰着企业,资源需求者急切期望通过便捷的、租用的方式获得来自外部的优良资源支持;资源闲置者迫切需要提高资源的利用率、实现资源的有效增值。为实现上述需求必须汇集全球资源并进行资源的优化配置,云制造正是致力于制造资源与制造能力的全球汇集与共享、实现资源优化配置的先进制造模式。在云制造环境下,实现制造资源和制造能力的优化配置的关键在于提升虚拟制造环境构造过程中制造云服务的整体聚合效果,制造云服务组合与优化技术正是面向制造云服务实施优化配置的关键使能技术。在制造云服务组合过程中,存在各种不确定性因素,如资源服务的动态加入或退出导致的资源服务不确定、任务需求变化引起的任务描述不确定、资源服务间关联关系的改变导致服务组合方式的不确定以及时间、价格等服务质量的不确定,这些不确定性因素的存在无疑会使云制造系统出现故障的概率增加,最终导致制造任务无法及时高效地完成。因此,有必要提升制造云服务组合的柔性来更好地满足用户需求。虽然,有些文献中提到了制造云服务组合及其柔性问题,但仅限于概念的描述或是将柔性视为服务质量的一个考虑因素,并没有针对制造云服务组合柔性提供一种定量化的测度方法,本论文拟探讨一种制造云服务组合柔性的多属性测度方法,即在云制造环境下,建立有效的制造云服务组合柔性评价体系。首先,通过构建贝叶斯网络模型来分析影响制造云服务组合柔性的各类因素,并对各影响因素进行重要度分析,得到制造云服务组合柔性的关键影响因素;然后,根据制造云服务组合柔性的影响因素,对制造云服务组合柔性进行多属性分析与分类,并依次进行测度,最终得到制造云服务组合柔性的量化测度值,为相关企业应用与管理云制造系统提供有效的建议。最终,通过分析与研究得出以下结论:(1)通过构建贝叶斯网络模型对制造云服务组合柔性影响因素的重要度分析,可以看出,任务的变化导致云制造系统出现故障的概率最大,即与任务变化相关的影响因素对制造云服务组合影响程度最大,可视为关键影响因素;资源服务间关联关系的变化对于制造云服务组合柔性的影响程度低于其它几类影响因素,可视为非关键影响因素。因此,在应用与管理云制造服务平台时,为了有效地防止云制造系统出现故障,及时高效地满足用户需求,必须加强对任务变化相关影响因素的监控与管理,在不确定性因素出现时,进行及时有效的反馈。通过对制造云服务组合柔性影响因素重要度的分析,得到关键和非关键影响因素,为后续针对性的开展制造云服务组合柔性测度、监控与提升工作做好铺垫。(2)在上文对制造云服务组合柔性影响因素分析的基础上,本论文假定待选制造云服务集中的各项资源服务能够以不同效率实现替代完成任务,建立了考虑效率属性、冗余属性、路径柔性和任务柔性在内的四维属性测度方法,该方法综合考虑了时间和成本在内的效率矩阵、任务出现的概率及其在资源服务间被指派的概率、资源服务间的替代概率以及待选云服务集的路径属性等影响云制造实际执行任务的各因素,对制造云服务组合柔性进行了定量化的测度。对制造云服务组合柔性进行的定量化分析与测度,为相关企业应用与管理云制造服务平台提供了参考依据,有助于管理决策的制定与实施。(本文来源于《江苏科技大学》期刊2015-04-25）
吕静静[8]（2015）在《基于时间序列的语义Web服务组合QoS属性预测研究》一文中研究指出Web服务作为SOA的主要实现技术,能够使用Web技术标准实现应用程序间的互操作。语义Web服务因在Web服务的基础上增加语义信息,能够进行语义推理,实现Web服务的自动化而得到关注。然而单一服务能力有限,如何根据语义信息进行形式化的描述,进而实现Web服务组合,获得增值服务,这就是语义Web服务组合问题。本体描述语言OWL-S是语义Web服务组合建模和描述的主要标准之一,对应用领域的知识、各类资源之间的关系进行描述以此来表达语义信息。目前,对语义本体描述语言的研究重在其形式化和定性分析,对非功能特性和量化分析的研究相对较少。然而不满足非功能特性的服务组合方案同样无法满足用户的需求。为了能够判断一个服务组合方案在非功能属性方面是否满足需求,或者从功能相似的服务群中选择最优的,我们需要对组合服务的服务质量(QoS)进行预测。基于预设分布类型和历史值平均方法的弊端,本文将网络环境因素引入到服务组合QoS预测中。我们利用非马尔科夫随机Petri网(NMSPN)作为中间表示,通过将OWL-S中的原子过程,组合过程向NMSPN进行映射实现原子服务和组合服务的形式化语义表达。主要了考虑叁个QoS指标:时间属性、可靠性和服务代价,分析这叁个指标在NMSPN中的表示和计算方法。对于成员服务的QoS预测,引入了时间序列预测的方法,基于历史QoS记录值对未来属性值进行预测,考虑了不断变化的网络环境因素对服务组合QoS属性的影响,又能削弱异常数据对预测结果的影响;对于组合服务,根据QoS等效约简模型对组合服务的复杂逻辑关系循环往复的约简直到化简为一个原子过程,同时将时间序列预测值作为约简模型的输入,进而求得整个组合服务流程的QoS指标。为了分析本文预测框架的可行性和有效性,引入了一个实例,通过对原子服务的时间序列建模预测发现能较好的吻合实际QoS曲线。为了分析基于时间序列预测结果的组合服务的预测效果,将本文提出的方法与基于确定性时间分布的预测模型和基于时间概率分布函数的预测模型的预测效果进行了比较和精确度分析。(本文来源于《重庆大学》期刊2015-04-01）
冯艳[9]（2014）在《基于QoS多属性决策的Web服务组合研究》一文中研究指出近年来,随着SOA、网格计算以及云计算等面向服务的计算框架的不断兴起,Web服务这一最基本的逻辑计算单元也发挥着越来越重要的作用,因此成为业界和研究界广泛关注的热点论题。然而,单个Web服务只能提供有限的特定功能,要构建上层复杂的应用框架,要满足用户对一站式服务体验的实时要求,就必须将多个单一Web服务有机组合起来,即进行Web服务组合。由于功能相同但质量各异的Web服务不断增加,因此,如何从各功能节点的候选服务集合中选出一个合适的服务实例,使得选中的这组服务组合起来质量(Quality of Service,QoS)最优,同时又能满足用户对服务的各项QoS约束,成为Web服务组合研究中最关键的技术难题,本文称之为基于QoS的Web服务组合问题。Web服务的QoS属性往往具有多维且互相矛盾的特性,多属性决策理论是解决在多种且互相矛盾的属性基础上得出最优方案的基本方法,因此本文将基于QoS的Web服务组合问题建模为多属性决策问题,并选用理论依据最充分的折衷比例法作为多属性决策模型求解算法。同时,考虑到现实应用中传统多属性决策方法难以处理海量搜索空间的问题,本文提出了一种结合折衷比例法排序优势和遗传算法全局并行搜索优势的新型启发式算法。实验结果证明,该算法不仅能够高效地产生与折衷比例法接近的最优方案排序结果,并且在解决大规模Web服务组合问题时也表现出良好的可伸缩性。本文提出的创新服务组合算法不仅能保证组合服务的质量,同时也能满足不同用户对不同质量属性的偏好以及对不同规模应用场景的实时服务组合需求,因此具有广泛的适用性。(本文来源于《天津大学》期刊2014-11-01）
张瑞[10]（2014）在《交通信息服务QoS关键属性及服务组合优化方法》一文中研究指出随着交通领域的快速发展,传统的交通诱导方式及交通信息服务发布方式的局限性越来越明显,已经无法满足人们的出行信息服务需求。在优化方法上,文章根据交通信息服务的QoS关键属性指标模型,提出了服务组合优化方法提高服务质量。(本文来源于《信息通信》期刊2014年10期）
服务属性组合论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
通过多目标多属性决策方法,解决基于服务质量(quality of service,QoS)的大规模Web服务选择和组合问题。不同于以往将多个QoS值赋权累加为单一值的方法,采用多属性决策方法,同时处理多个QoS属性,将每个解到正负理想点的距离转化为多目标优化问题。提出一种基于ε支配的多目标遗传算法来解决Web服务组合优化问题。计算结果为一组折中的帕累托最优解集,为用户提供多种选择方案。当用户所选择的服务运行失败时,用户可以从其他备选服务中进行选择。实验结果表明,所提出算法具有满意的收敛性、分布性和可扩展性,且算法复杂性优于流行算法NSGA-Ⅱ和SPEA2。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
服务属性组合论文参考文献
[1].鲁城华,寇纪淞.求解Web服务组合QoS优化的多属性决策及自适应遗传算法[J].计算机科学.2019
[2].鲁城华,寇纪淞.基于多目标多属性决策的大规模Web服务组合QoS优化[J].管理学报.2018
[3].徐宣国,张凯,苏翔,刘开.制造云服务组合柔性的四维属性测度方法[J].运筹与管理.2015
[4].刘开,李正义,范磊.制造云服务组合柔性的多属性评价方法[J].江苏科技大学学报(社会科学版).2015
[5].杨洁,李登峰,赖礼邦.Web服务环境下基于信息协商的组合服务多属性选择方法[J].运筹与管理.2015
[6].冯艳,陈富赞.基于QoS多属性决策的Web服务组合优化方法[J].计算机工程.2015
[7].张凯.制造云服务组合柔性的多属性测度方法研究[D].江苏科技大学.2015
[8].吕静静.基于时间序列的语义Web服务组合QoS属性预测研究[D].重庆大学.2015
[9].冯艳.基于QoS多属性决策的Web服务组合研究[D].天津大学.2014
[10].张瑞.交通信息服务QoS关键属性及服务组合优化方法[J].信息通信.2014