一种Web服务QoS属性的不确定权重计算方法.docxVIP

一种Web服务QoS属性的不确定权重计算方法1 引言(Introduction) 随着Web服务技术的发展和流行，互联网上有越来越多的Web服务，出现了许多功能相同或类似的Web服务。QoS(Quality of Service)便成为选择Web服务的基准。QoS是指Web服务的非功能质量属性，可以用来区分具有相同功能的Web服务。Web服务的QoS属性可以分为两类：(1)效益型属性，对于这类属性，人们往往希望越高越好，如信誉度、成功执行率。(2)成本型属性，对于这类属性，人们往往希望越低越好，如执行费用。通常情况下，具有相同功能的不同Web服务其QoS属性各有所长，需要综合考虑各个QoS属性的重要程度再进行选择，因此，QoS属性权重的表示和求解成为一个关键问题。现有研究将Web服务QoS属性的权重分为三种：(1)主观权重：基于用户对QoS属性的偏好信息求得的权重。(2)客观权重：基于Web服务的QoS属性值求得的权重。(3)综合权重：将主观权重与客观权重合成得到的权重。 (1)主观权重：Amina[1]、Huang[2]和Sun[3]认为权重应由用户或服务请求者直接给出。Hu[4]和Cao[5]的研究通过让用户给出QoS属性的两两比值来求得属性的权重。然而，实际应用中，用户很难直接给出各个QoS属性的权重值或属性两两比值，用户往往更习惯于给出属性权重的定性值。Xiong[6]和Zhang[7]的研究根据用户给出QoS属性权重的定性值来计算属性权重的定量值，Chen[8]和刘[9]的研究根据用户给出的QoS属性两两比较的定性值计算权重的定量值。这些研究都基于模糊理论将具有模糊性的定性值转化为定量值，然而，用户给出的定性值(定性概念)不仅具有模糊性，也具有随机性，应该对两者综合考虑来表示定性值更适合[10]。 (2)客观权重：Xiong[6]用熵方法求客观权重，Hu[4]和Cao[5]利用最小化与理想方案差距的方法求客观权重。使用熵方法求得的权重，当不同Web服务的同一QoS属性值相差越大，则该属性的权重越大，相差越小，属性权重越小。而Hu[4]和Cao[5]的方法求解的结果则刚好相反。为了能够较好的区分Web服务，使用熵方法求解客观权重更合理。 (3)综合权重：主观权重反映用户的偏好信息，客观权重体现Web服务QoS属性值的特点，两种方法各有优点和不足，因此，Hu[4]和Xiong[6]提出将主观权重和客观权重进行综合，通过加权平均将主、客观权重合成为一个权重。但是他们的研究对所有QoS属性的主、客观权重都给定相同的比例，应该考虑每个QoS属性的主、客权重的比例更为合理。 上述研究中，无论主观权重、客观权重还是综合权重，其权重值都是确定的定量值。然而，从影响权重的因素来看，无论是用户的偏好信息还是Web服务的QoS属性值，都具有一定的不确定性。用户用定性概念表示对QoS属性的偏好，如“要”“不太重要”，而定性概念所对应的定量值往往又是不确定的，因此，基于定性的用户偏好信息求取的主观权重具有不确定性。Web服务的某些QoS属性值也具有不确定性，如服务的执行时间，多次调用同一服务的同一操作得到的执行时间也是不同的，所以客观权重也应具有不确定性，因此，综合权重也显然具有不确定性。从用户选择的角度来看，若两个Web服务Qos属性值各有优劣，用户可能有时觉得这个好，有时感觉另外一个好，而基于确定权重值选择的结果是固定的，不能体现用户选择的不确定性。因此，确定的权重不能很好地反映用户偏好信息及Web服务属性值的不确定性，而不确定的权重更适合表示Web服务QoS属性的权重。 针对上述问题，本文提出用不确定权重表示Web服务Qos属性的权重，并给出主观、客观及综合权重的表示和求解方法。主观权重根据用户对QoS属性的偏好求得，客观权重基于Web服务QoS属性值使用熵方法求解；综合权重考虑不同QoS属性的主、客观权重的比例。本文其余部分组织为：第2节介绍基本概念，包括云模型和熵方法；第3节介绍不确定权重的求解方法，包括主观权重(3.1节)、客观权重(3.2节)、综合权重(3.3节)及求解算法(3.4节)四个部分；第4节对全文进行总结。 2 基本概念(Basic concepts) 2.1 云模型 用定性概念表达用户对Web服务QoS属性的偏好往往更真实且具备普遍性，但是在进行运算时还需要将定性值转化为定量值，云模型[10]能够进行定性定量知识之间的相互转化，而且云模型在表达定性概念时对模糊性和随机性进行了统一，更符合人类认知不确定性的特点。 定义1云和云滴：设U是一个用精确数值表示的定量论域，C是U上的定性概念，若定量值xisin;U，且x是定性概念C的一次随机实现，x对C的确定度mu;(x)isin;[0,1]是具有稳定倾向的随机数，则x在论域