语义Web动态服务组合技术的关键性问题的研究.pdf

摘要 摘要 Interact的飞速发展正在改变整个社会，一个数字化的时代已经到来。毫无疑 问，在这个基于Intemet的数字化社会里，各种各样的网上应用和网络服务都将 会越来越多。而且，这些应用和服务将会遍及政治、经济、军事、教育、科技、 文化、商业、宗教等各个领域。与现实社会一样，人们在Intemet上的应用和服 务的需求都是不断变化的，因此，Interact提供的应用和服务也应该随着人们需 求的变化而变化，这也是一种以人为本的理念。 作为一种新型的分布式计算模式，语义Web动态服务组合近年来得到了产 业界和学术界的广泛关注。在实际应用中，单一的Web服务仅实现一般要求，无 法满足现实应用的多维需求。因此，在新一代Intemet环境下，如何动态合成单一 服务所提供的各种功能，形成新型、稳定、可靠、功能综合、支持QoS管理的 动态服务组合，满足Web用户各自不同的个性化需求，已成为学术研究的焦点， 应用前景广阔。论文在此领域开展了研究，工作的主要内容体现六个方面： (1)提出了语义Wreb动态服务组合模型 根据Web动态服务架构和主动计算特征，提出了语义Web动态服务组合模 型，模型通过对服务请求者的意图进行发现与响应，定位用户个性化的服务需求， 服务质量和服务等级；借助服务注册库(UDDI)资源，启动动态查询与发现用 户需要的服务引擎；通过服务获取技术，动态进行服务功能组合路径优化，绑定 所需服务的URI获取匹配服务发布，实现稳定、可靠、功能综合的语义Web服 务。 (2)提出了基于服务分类技术的选择性集成算法 One-DependenceEstimators)算法是最近提出的一种典型的基于naiveBayes的改 进算法，并受到国际机器学习界的关注。交叉熵方法(Cross．entropyMethod)是一 种解决组合优化问题的全局随机搜索算法，已成功的应用到许多经典的NP问题 求解中。基于交叉熵方法，提出了解决AODE算法选择性集成的CESAODE methodfor Selective (Cross—Entropy AODE)算法，期望实现Web服务分类有效 性与可靠性的提升。在WEKA平台上使用UCI数据集进行的仿真实验结果表明， CESAODE算法比现有的分类算法具有更好的分类性能。 (3)提出了基于多任务Web动态服务即时分类算法 传统的即时分类算法偏向于单个实例，即在某一时期内仅处理一个实例，而 其他实例只能在缓冲区等待。当进程被中断的时候，部分实例被充分评估。中断 摘要 时，剩下的实例则没有经过任何的评估。这样，对实例总体来说只得到局部的优 化。论文提出一种更为灵活、有效的面向Web多任务动态服务即时分类算法。 基于t分布的p-value(误判率)即时分类算法。该算法着眼于全局，在整体实 例中选取最需要得到评估的实例进行计算，从而在中断计算时得到全局的最优 化，实现分类事务处理过程的分类效率和准确率的有效统一。 ． (4)提出了面向Web动态服务组合优化的动态小生境学习机制 在SOA架构下，Web用户的服务需求是动态变化的，而当前诸多智能进化算 法的研究仅关注针对静态问题求解，这种静态导向的算法在进化后期往往会失去 对环境的适应能力，无法跟踪极值点在搜索空间的运动路径，从而无法适应Web环 境下的动态问题求解。论文提出一种基于语义Web服务动态小生境的自组织学 niche．based 习算法(dynamic self-organizinglearningalgorithm，DNSLA)，首次实现 了基于0．1编码的动态学习机制，种群中的个体由被动适应转为主动学习，能够动 态侦测Web服务需求与服务环境的变化，具有更强健的动态环境适应能力。 通过计算仿真实验显示，算法在动态变化的环境中，能够很好地与环境进行 稳定而友好的交互学习，鲁棒性强，动态搜索能力和极值点跟踪能力优于同类搜索 方法。 (5)提出了一种动态服务过程失效侦测与响应处理机制 服务失效是影响服务可用性的制约因素。论文从服务过程的动态侦测、服务 失效的即时响应二个维度展开研究，构建了一种新的面向We