适应模糊QoS约束优化的Web服务选择技术研究

基于QoS优化的全局Web服务选择涉及多目标和多阶段的服务合成,以及各种QoS属性的折衷,如可信性、可用性和声望等,因此提出了适当的基因算法来处理服务选择问题。由于发现质量驱动的Web服务选择是一个NP-hard问题,实际的多目标或QoS标准并不总是明确的,常常包含模糊元素。着重研究多目标Web服务选择过程中模糊QoS属性和适应进化函数之间的关系,以及如何调节个体模糊QoS属性以实现整个种群进化的问题。

云制造环境下基于本体和模糊QoS的供应商匹配方法

云制造环境下的服务匹配具有资源数量大、语义信息不对称、QoS多样化和模糊化的特点,同时企业有自主选择匹配结果的需求。为此,提出基于本体和模糊QoS聚类的三阶段供应商匹配模型。首先构建本体模型和供应商服务描述模型,运用语义本体既消除了信息的不对称性,又增加了语义信息的完整性。此外,对QoS的多属性信息进行三角模糊化处理,结合模糊偏好和优化的模糊C均值聚类（FCM）算法按需聚类,提高了收敛速度和精度,得出基于匹配度排序的结果集合。实例验证结果表明：本文匹配方法较传统方法有更高的适应性和查准率。

QoSR多目标优化的灰色模糊解

针对QoS路由多目标优化的NPC问题,希望在多项式时间内找到QoS路由多目标优化在灰色模糊意义下的最优解。借助于灰色模糊理论,通过将所有的QoS参数按照相应的隶属度和灰度集结为一个灰色模糊综合属性值,实现了在O(mn)时间内找到最优路径的灰色模糊多目标优化算法,使算法可以根据不同的业务类型动态地采取不同的优化策略,对网络的不准确信息有一定的抵抗能力,以及具有可扩展性、健壮性等特点。最后的算例证明算法是可行的。