基于智能规划的自适应动态web服务组合分析-analysis of adaptive dynamic web service composition based on intelligent planning.docxVIP

摘要Web 服务组合作为面向服务计算的核心研究点之一，能利用 Web 服务的重用 价值，满足用户的复杂请求，实现服务增值。然而，随着数量指数增长，Web 服 务呈现出质量良莠不齐、功能同质化严重的现象，致使组合的效率和质量持续下 降；同时，组合环境动态演化带来的不确定因素降低了组合结果的执行成功率。 因此，研究自适应、动态的 Web 服务组合，提升服务组合的智能性、可靠性和有 效性，是一项迫在眉睫的研究课题，具有较强的理论和现实意义。近年来，伴随着智能规划在问题描述能力和求解算法等方面取得的突破，其 研究得到了迅速的发展。由于服务组合与智能规划在问题描述模型等方面存在诸 多相似之处，使得将两者结合起来成为可能；另一方面，经典智能规划和不确定 规划等领域的研究成果也为实现自适应动态 Web 服务组合提供了理论基础。因此， 采用智能规划方法解决 Web 服务组合中遇到的各种新困境，提升其在现实应用中 的适应能力，是一个非常具有前景和挑战性的研究方向。基于以上分析，本文以智能规划技术为核心手段，以“核心智能规划算法——转换/组合模型——面向 Web 服务的优化改进”为研究路线，以动态服务组合和 不确定环境下的自适应服务组合为研究对象，主要完成了如下工作：① 分析了动态 Web 服务组合和不确定环境下的自适应 Web 服务组合的研究 现状，其中智能规划技术展现出了一定的优越性；其次，研究了智能规划的关键 技术和研究现状，分析了智能规划方法在服务组合中的应用研究；最终确定了本 文的研究路线。② 提出了一种基于宏操作的动态启发式规划算法，可通过学习潜在的领域控 制知识，进而引导搜索方向，加速规划进程。通过对已有规划经验中的动作间依 赖关系进行分析，可以学习到规划解中能组成宏操作的非连续动作序列，从而扩 展了宏操作的来源，在此基础上设计了相应的宏操作学习算法；其次，在利用学 习到的宏操作时，提出一种动态权重计算方法，保证有效性的前提下可以最大化 宏操作的利用价值，从而得到一种改进的面向宏操作的动态启发式规划算法。③ 提出了基于动态启发式规划算法的动态 Web 服务组合模型，实现动态服务 组合的同时，可最大程度利用组合结果的重用价值，提升服务组合效率。首先通 过对 Web 服务与智能规划两个领域的描述模型进行分析，比较其相似性，然后结 合案例，研究了一种服务组合与智能规划转换模型；其次，通过对服务组合结果 的重用性分析，将提出的基于宏操作的动态启发式规划算法引入到服务组合中， 并针对服务组合领域的特性，对启发式规划算法进一步优化；最后研究和设计了基于智能规划方法的动态服务组合模型。④ 提出了一种基于扩展的马尔可夫决策过程（Markov Decision Process，MDP） 模型和启发式 Q 学习的服务组合方法，能增强不确定环境下服务组合的自适应能 力，提高组合结果的执行成功率。首先结合案例分析了 Web 服务执行环境中的不 确定因素，使用 MDP 建模可选择成功率最高的组合策略；其次，针对服务失效导 致执行失败的问题，扩展了经典 MDP 模型并研究基于此的自适应服务组合模型， 可根据执行效果自动的切换组合路径；最后，考虑到 MDP 扩展后增大了学习空间， 通过自动学习服务间替换信息，提出了一种基于启发式 Q 学习的 MDP 优化方法改 进学习过程。关键词：智能规划，Web 服务组合，启发式搜索，马尔可夫决策过程，Q 学习ABSTRACTAs one of the core research field of service-oriented computing, Web service composition can utilize the reuse value of Web service, meet users’ complex requests, and add value to original services. However, with the skyrocketing number of Web services, the phenomenon begins to appear that the quality of services become discrepant and the function turns to homogeneous, which makes the efficiency and quality of service composition declined sharply. Meanwhile, the uncertainty in dynamic environment also reduces the execution success rate of composition resu