基于不确定服务质量的Web服务选择算法

针对开放环境中Web服务的动态性和随机性问题,提出了一种基于不确定服务质量的Web服务选择算法。算法中服务质量的不确定性主要用概率区间描述,包括概率区间的置信上界、下界和均值三个指标。通过置信上界、下界与均值的偏差,可以计算出Web服务受动态环境影响的程度。因此,最优组合服务的选择可采用均值的加权和最大以及偏差最小来度量。将动态环境下服务选择问题转化为带不确定QoS约束的单目标组合优化问题,通过基于社团划分思想的遗传算法,加速算法收敛并找出满足最优条件的组合服务。仿真实验表明,该算法能有效克服不确定因素对服务选择的影响,提高服务选择的效率,保证选择的正确性。

基于不确定服务质量感知的云服务组合方法

针对不确定服务质量(QoS)感知的云服务组合优化问题的求解,提出一种不定长时间序列(ULST)模型和锦标赛策略的改进遗传算法(T-GA)。首先,基于用户对服务不同时间段的访问规律,将服务质量的长期变化构建为不定长时间序列模型,该模型能够准确地描述一段时间内用户对服务的真实QoS访问记录。其次,提出一种基于不确定QoS模型的改进遗传算法,该算法采用锦标赛选择策略代替基本遗传算法中的轮盘赌选择策略。最后,在真实数据上进行了大量实验,所提的不定长时间序列模型能够有效地解决不确定QoS感知云服务组合问题,而锦标赛策略的改进遗传算法在寻优结果和稳定性方面均优于基于精英选择策略的遗传算法(E-GA)算法,且运行速度提高近1倍,是可行、高效且稳定的算法。