基于改进贝叶斯算法的云服务可靠性预测方法研究

目前服务消费者业务的不断发展,业务逻辑的不断复杂,对云服务组合的可靠性性能需求不断增加。通过对服务组合可靠性进行预测,根据预测结果向服务消费者推荐满足其可靠性需求的组合服务,以提高服务使用质量。基于传统的贝叶斯预测模型提出一种改进贝叶斯预测算法(IDLM)。通过采用指数加权回归方法对算法中的状态误差方差项进行估算,有效解决了传统贝叶斯模型中状态误差方差参数确定困难等问题,并且具有较高的预测效率和预测准确性。实验结果表明,改进的贝叶斯预测算法(IDLM)较其他传统的时间序列预测算法具有较高的准确性。

改进蚁群算法及其在云服务组合优化中的应用研究

针对服务组合过程中的动态性、不稳定性以及多种QoS属性限制等问题,提出一个适应服务组合的改进蚁群算法WJ-I-ACO算法,包括基于聚类分析方法的改进局部优化算法和基于动态差分的改进全局优化算法。通过MATLAB仿真实验设计,验证了算法的有效性和可行性;基于此,分析了云服务组合的优化策略,给出了服务组合的路径寻优方法。