CN112765407B - 物联网环境下基于用户偏好的QoS服务组合方法 - Google Patents

物联网环境下基于用户偏好的QoS服务组合方法 Download PDF

Info

Publication number
CN112765407B
CN112765407B CN202011616551.2A CN202011616551A CN112765407B CN 112765407 B CN112765407 B CN 112765407B CN 202011616551 A CN202011616551 A CN 202011616551A CN 112765407 B CN112765407 B CN 112765407B
Authority
CN
China
Prior art keywords
service
combined
qos
user
path
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011616551.2A
Other languages
English (en)
Other versions
CN112765407A (zh
Inventor
熊安萍
李锋
陈鉴
龚煦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN202011616551.2A priority Critical patent/CN112765407B/zh
Publication of CN112765407A publication Critical patent/CN112765407A/zh
Application granted granted Critical
Publication of CN112765407B publication Critical patent/CN112765407B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computing Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Computational Linguistics (AREA)
  • Economics (AREA)
  • Biomedical Technology (AREA)
  • Genetics & Genomics (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Physiology (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明涉及服务计算领域，涉及一种物联网环境下基于用户偏好的QoS服务组合方法；所述方法包括采集用户请求服务提供的输入条件以及用户获取服务的输出目标；利用分层过滤算法获取服务集合，构建出服务之间的服务依赖图；使用组合路径序列算法获取服务依赖图的组合服务路径集；将组合服务路径集中服务节点的各服务实例的每一个QoS属性值归一化，采用擂台算法计算出各服务节点的服务实例非支配集；将基于用户偏好的QoS目标函数作为适应度函数，利用遗传算法为组合服务路径选择出最佳的组合服务实例；在组合服务路径集中选择最佳组合服务路径；本发明在考虑用户偏好的基础上，通过分层过滤和最大非支配集减小服务选择的问题空间，提升了海量服务选择效率。

Description

物联网环境下基于用户偏好的QoS服务组合方法
技术领域
本发明涉及服务计算领域，具体涉及一种物联网环境下基于用户偏好的QoS服务组合方法。
背景技术
自1999年美国麻省理工学院提出物联网的雏形后，物联网就被认为是计算机和互联网之后的第三次信息产业浪潮，欧美等发达国家和地区都将其作为下一轮经济和科技发展的重要战略，物联网已经成为当今世界发展的主流。
物联网环境下的网络大量运用了Web服务的标准和技术。Web服务技术使用面向服务的体系结构(Service Oriented Architeture，简称SOA)，具有很强的互通性、可移植性，从而能够实现大规模的协作。
Web服务提供了服务描述和服务发布以及服务发现的机制，形成了开放、独立、自治的分布式环境。为了保障服务的可重用性，单个服务的功能较为简单，但是在现实应用环境中，简单的单个服务并不能完成用户的需求，比如一个旅行服务，它通常包括订票、订酒店和景点游览等服务组合而成。单个的原子服务所提供的功能单一，不能满足用户复杂的需求时，就需要将大量功能简单的服务进行组合，形成功能强大更能满足用户需求的服务。所以研究人员希望能通过组合现有的服务整合创造出新的更强大的服务功能，这样既能充分利用之前资源，又能在原有的服务基础上进行扩展和延伸，将Web服务的潜能充分挖掘，使其能够发挥更大的作用。
从任务规划看，服务组合将复杂的大型任务分解，然后为每个子任务选择能够完成该子任务的原子服务。一个服务组合对应着无数个子服务，每一个子服务又对应着无数的原子服务。选择不同的候选服务，就表示组合方案的不同。随着物联网的发展，越来愈多功能和流程封装成标准web服务发布到Internet，这就导致了服务数量的指数型增长。国内外研究者为了保障各个信息系统的互操作性，将面向服务框架和web服务标准直接应用于物理设备，然而web服务标准直接应用在联网环境下的服务当中是不合适的。
在实际场景中，物联网环境下的服务不同于传统服务。物联网环境下的服务常呈现模宏大、种类繁多等特点，这就意味着更大、更广的服务选择空间。因此，如何有效的在物联网的环境下降低服务的搜索空间，并且基于用户偏好得到最佳QoS的服务组合的问题亟待去解决。
发明内容
针对以上现有技术中的不足，本发明的目的在于提供一种物联网服务环境下基于用户偏好求解最佳QoS服务组合的方法，本方法适用于物联网环境下高效的组合服务生成，在考虑用户偏好的基础上，通过分层过滤和最大非支配集减小了服务选择的问题空间，提升了海量服务选择效率。
本发明提供如下技术方案：
一种物联网环境下基于用户偏好的QoS服务组合方法，所述方法包括：
S1、采集用户的服务需求信息，提取出用户请求服务提供的输入条件以及用户获取服务的输出目标；
S2、利用分层过滤算法获取与用户的服务需求信息有关的服务集合，并基于输入条件和输出目标的依赖关系，构建出服务之间的服务依赖图；
S3、使用组合路径序列算法获取所述服务依赖图的组合服务路径集；
S4、将所述组合服务路径集中服务节点的各服务实例的QoS属性值归一化，基于QoS属性值采用擂台算法计算出各服务节点的服务实例非支配集；
S5、将基于用户偏好的QoS目标函数作为适应度函数，利用遗传算法为每一条组合服务路径选择出最佳的组合服务实例；
S6、在组合服务路径集中选择出适应度函数最大的作为最佳组合服务路径。
本发明的有益结果在于：
本发明综合考虑用户请求服务提供的输入条件和用户获取服务的输出目标，能够自动化的构建服务组合工作流，并且针对物联网环境下服务规模宏大的特点，并进一步服务选择的局部优化，从而降低服务组合搜索空间，然后根据用户偏好获取最佳的服务服务实例；本发明主要用于物联网环境下高效的组合服务生成，在考虑用户偏好的基础上，通过分层过滤和最大非支配集减小了服务选择的问题空间，提升了海量服务选择效率。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明，其中：
图1为本发明实施例中物联网环境下基于用户偏好的QoS服务组合方法流程图；
图2为本发明实施例提供的一种服务依赖图；
图3为本发明实施例中组合路径序列算法获取组合服务路径集的流程图；
图4为本发明实施例中服务实例的QoS属性值的计算方法流程图；
图5为本发明实施例所采用的擂台算法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明所提出的一种物联网环境下基于用户偏好的QoS服务组合方法是在接受用户请求服务的时候，使用分层过滤算法获取与服务需求信息有关的服务集合，并根据服务之间的服务需求信息的依赖关系构建服务依赖图，然后通过组合服务路径序列算法获取服务依赖图的组合服务路径集，再通过擂台算法获取组合服务路径集中各服务节点的最大服务实例非支配集，最后根据用户偏好使用遗传算法获取组合服务路径集中每条组合服务路径的最佳组合服务实例，并根据QoS选择最佳组合服务路径。
图1是本发明实施例中一种物联网环境下基于用户偏好的QoS服务组合方法流程图，如图1所示，所述组合过程主要包括：
S1、采集用户的服务需求信息，提取出用户请求服务提供的输入条件以及用户获取服务的输出目标；
所述服务需求信息主要包括用户请求服务提供的输入条件以及用户获取服务的输出目标；举个例子，所述输入条件包括用户请求服务时所能够支付的费用，所述输出目标包括请求的服务类型、服务要求、服务持续时间等等。所述输入条件和所述输出目标将作为服务分配平台的输入输出参数，所述服务需求信息可以通过个人用户端输入，所述个人用户端包括手机、平板、电脑等可供输入信息的终端设备，个人用户端与原始信息收集平台通过物联网方式连接。
在一些实施例中，所述服务需求信息由服务需求者用户移动终端发送；服务需求者用户可以是在服务器注册上单独注册的服务需求者用户，也可以是已注册的服务提供者用户。服务器也可以将服务需求者用户根据服务区域建立若干服务需求者用户库，此时可能有用户即是服务需求者用户也是服务提供者用户，即同一用户具有两种不同的角色，此用户将作为服务需求者用户注册到服务需求者用户库中，同时作为服务提供者用户注册到服务提供者用户库即服务信息库中。服务需求信息应包括服务地点(位置信息)、服务类型、服务项目，服务时间等，如服务需求者用户移动终端发送一条服务需求信息至服务器，服务项目是家政服务，服务地点是北京市海淀区。
S2、利用分层过滤算法获取与用户的服务需求信息有关的服务集合，并基于输入条件和输出目标的依赖关系，构建出服务之间的服务依赖图；
其中，基于用户的服务需求信息中的用户请求服务提供的输入条件以及用户获取服务的输出目标，使用分层过滤算法在服务信息库中正向遍历查找与输入条件有关的服务，然后将正向遍历的结果反向分层过滤掉与输出目标无关的服务，最终得到服务集合。
所述服务依赖图的构建过程包括在有向图中的节点上搭载服务，在节点所连接形成的边上搭载输入条件和输出目标的依赖关系，从而构建出服务依赖图。
具体的，根据服务之间的关系对其构建组合服务依赖图G＝<V，E>，其中节点集V代表服务集合，有向边集E表示服务匹配集合，该集合满足：
Figure BDA0002872328680000051
其中，vn和vm分别表示边的起点和终点所对应的服务节点，tagk表示输入输出的参数集合，包括用户请求服务提供的输入条件以及用户获取服务的输出目标，且满足如下关系：
(1)
Figure BDA0002872328680000052
(2)
Figure BDA0002872328680000053
其中，O代表用户获取服务的输出目标即输出参数，I代表用户请求服务提供的输入条件即输入参数。假设用户请求R<I，O>，其中输入条件I＝{A，B，C}，输出目标O＝{D}，以用户的服务需求信息如表1为例：
表1用户的服务需求信息
服务节点 输入条件 输出目标 服务实例
AS1 A,B,C D S11,S12,S13,…,S1n
AS2 B,C F S21,S22,S23,…,S2n
AS3 C E S31,S32,S33,…,S3n
AS4 E,F D S41,S42,S43,…,S4n
图2提供了本发明实施例的一种服务依赖图，如图2所示，在表1的基础上，从服务起点start开始到服务终点end主要包括两个分支，也就是说可以通过2种方式实现服务的组合选择。
具体的，从服务起点start开始，start节点与服务节点AS1之间包括A、B、C输入条件，服务节点AS1到服务终点end之间包括输出条件D；同理从服务起点start开始，start节点通过条件B、C得到AS2节点服务和通过条件C得到AS3服务节点，然后通过AS2和AS3节点可以得到AS4服务节点，然后通过AS4节点得到输出目标从而到达end节点；总而言之，在图2中，这两个分支下，一个分支需要满足输入条件ABC到达节点AS1，再满足输出条件D到达end节点；另外一个分支下，虽然输入条件可以单独为条件B也可以同时为条件B和C；但是仍然需要同时满足条件E和条件F才能启动AS4节点，最终实现服务起点start到end节点的连接，这就是组合选择的一种体现。
S3、使用组合路径序列算法获取所述服务依赖图的组合服务路径集；
使用组合服务路径序列算法进行广度优先遍历，求得每个服务的前驱服务集，并将其前驱服务节点的组合服务路径序列合并，得到该服务的组合服务路径序列，遍历结束得到该服务依赖图整体的组合服务路径集。
图3提供了本发明实施例中组合路径序列算法获取组合服务路径集的流程图，如图3所示，所述流程主要包括：
输入服务依赖图；
获取服务依赖图中服务输出参数的信息表；
采用广度优先遍历的方式遍历整个服务依赖图；
在遍历未结束之前，获取服务的前驱服务集(服务节点集合)；
在本发明实施例中，以二元组的形式表示组合服务路径序列中的元素RPa＝<va.name,vpa>，其中va.name表示服务节点的名字，vpa表示va的前驱服务集。
对前驱服务集中的组合路径进行组合；
组合完成后继续返回遍历服务依赖图，直至遍历结束时输出服务依赖图中所有服务的组合路径信息表，如表2所示：
表2用户的服务需求信息
Figure BDA0002872328680000061
Figure BDA0002872328680000071
其中，服务节点是服务依赖图中的各个服务节点，路径序列集合中的各个元素均采用上述二元组的形式表示，如果集合有多项时，说明该服务节点有多种组合方式，需全面考虑。
S4、将所述组合服务路径集中服务节点的各服务实例的每一个QoS属性值归一化，并采用擂台算法计算出各服务节点的服务实例非支配集；
计算每个服务实例的QoS属性值的归一化值时，需要对每一种QoS属性值进行单独的归一化；假设每个服务实例有四个QoS属性(响应时间、价格、可靠性、可用性)，由于四个属性对于用户来说值的大小，意义是不一样的，所以本发明采用不同的归一化方式。
在一些实施例中，在这之前，本发明可以首先需要将每个服务实例中的QoS属性信息划分为肯定型QoS属性和否定型QoS属性，这里的肯定型和否定型主要是针对用户而言，例如响应时间越长，则对用户而言越糟糕，但是有些QoS属性越大则代表其可靠性越高；不同的QoS属性可以采用不同的计算方式；本发明中可以使用极差变换法对所述肯定型QoS属性和所述否定型QoS属性进行归一化处理，将归一化后的QoS属性值作为初始化后的属性值，后续将通过归一化后的QoS属性值去计算出各个服务节点的服务实例非支配集；
组合服务路径集中各服务节点的每个服务实例都含有多个QoS属性信息，但大致可以分为两类：
(1)肯定型，服务QoS属性值越大，则服务越好；
(2)否定型，服务QoS属性值越大，则服务越差；
所以为了计算方便和统一需要使用极差变换化进行归一化处理，采用的公式如下：
Figure BDA0002872328680000081
最终为组合服务路径集中每个服务节点的所有服务实例进行QoS归一化；将服务实例归一化后QoS属性值将其作为选择的标准，例如响应时间小，可靠性高、价格便宜以及可用性高，
在计算完成归一化后的QoS的属性值后，采用擂台算法计算出各服务节点的服务实例非支配集；
图4给出了本发明实施例所采用的擂台算法流程图，如图4所示，其中的计算出最大服务实例的过程包括：
对服务实例集合的非支配集初始化，在所有归一化后的QoS属性值所对应的服务实例集合中选择出擂主服务实例；
按照擂主服务实例的归一化后的QoS属性值与其他服务实例的归一化后的QoS属性值进行循环比较；
判断服务实例之间的支配关系，按照擂主选拔的方式删除部分服务实例，并输出各服务节点的服务实例非支配集。
本实施例中采用非支配算法来去除服务节点中一些QoS性能较差的服务实例，能够减小后续遗传算法中的种群样本数量，提升整体方法的运行效率。
S5、将基于用户偏好的QoS目标函数作为适应度函数，利用遗传算法为每一条组合服务路径选择出最佳的组合服务实例；
在对每条组合服务路径选择出最佳的组合服务实例之前，本实施例首先利用转换算法获取该组合服务路径中的染色体的QoS属性n元组。
图5给出了本发明实施例中QoS属性n元组的计算流程图，如图5所示，所述QoS属性n元组的计算过程包括：
输入步骤S3算获取的组合服务路径以及遗传算法中染色体编码；
根据组合服务路径集中的结果，获得其中的路径序列；所述路径序列仍可以参考如表2所示，表示服务起点到服务终点之间所经历的路径。
初始化各个QoS属性值；
遍历组合服务路径；
判断其中的组合模式，即判断是串行组合结构或者是并行组合结构；
表3是组合服务路径中存在并行和串行两种组合模式，根据各QoS属性在不同组合模式下的计算规则可以求得组合服务路径下的QoS属性集合。
表3各QoS属性的组合模式
Figure BDA0002872328680000091
表3中，其中Qi(x)'表示在组合结构中的某个服务节点实例归一后的QoS属性，RT表示用户对QoS属性的响应时间；RE表示QoS属性的可靠性；P表示用户选择QoS属性的价格；A表示QoS属性的可用性；其中，因为响应时间属性经过归一化之后，属性值越小表示响应时间越大，故使用min函数选取最小。
根据染色体编码选择出服务实例，并基于不同的组合模式更新各个QoS属性值；
在上述的不同组合模式的计算规则，本发明采用QoS转换算法获取了获取组合服务路径的QoS属性集合，如下所示：
Q＝<Q1',Q2',…,Qi'>
其中，Qi'表示第i个QoS属性经过转换算法后的值，即组合服务路径的整体单个QoS属性。
遍历完成后输出QoS属性集合。
基于用户偏好，利用上述遍历过程得到了QoS属性n元组，构建该条组合服务路径的QoS目标函数，目标函数如下：
Figure BDA0002872328680000101
其中，f表示基于用户偏好的QoS目标函数即遗传算法的适应度函数；Qi'表示第i个QoS属性经过转换算法后的值；wi表示用户关于Qi'属性的偏好权重；n表示QoS属性总类数。
本发明中，通过遗传算法为每一条组合服务路径选择出最佳的组合服务实例的过程主要包括以下步骤：
步骤1)对于每条组合服务路径，采用二进制进行编码，其中，每条染色体可以采用如下的码串进行表示，其中码串中的每一位ASn,j表示的是第n个类的第j个原子服务，其中1表示该原子服务参与服务组合，0表示该原子服务没有被选中参与服务组合。
步骤2)基于步骤1)中的编码格式，随机产生N个种群个体，这N个个体就构成了初始种群P(0)，然后从初始种群P(0)开始进行迭代；
步骤3)对参数进行初始化，设置出进化迭代计数器t＝0，并可以根据实际的情况设置出最大进化代数T；
步骤4)适应度计算：基于该条组合路径使用转换算法获取染色体的QoS属性n元组，并使用QoS目标函数计算出该染色体的适应度；
步骤5)交叉和复制操作：在上述个体适应度评估的基础上，对种群P(t)通过轮盘赌策略进行选择操作，然后进行复制和交叉生成新的种群。
步骤6)变异操作：对于新生成的种群，采用一定的概率对其进行变异，从而确保跳出局部最优。
步骤7)终止条件判定：本发明采用最大进化次数T作为遗传算法的终止条件。
步骤8)解码并输出最优解：当找到终止条件的解时候，算法跳出循环得到最优解并进行解码输出。
当然，本实施例仅仅只是给出了遗传算法来为每一条组合服务路径选择出最佳的组合服务实例的一种方式，所述遗传算法本身是一种现有技术，本发明对其中的适应度函数进行改进，将QoS属性n元组与遗传算法进行结合，能够根据用户偏好选择出最佳的服务组合实例。
S6、在组合服务路径集中选择出适应度函数最大的作为最佳组合服务路径。
在上述实施例中，已经为每个组合服务路径选择出了一个最佳组合服务实例，本实施例将继续根据适应度函数选择出组合路径服务集中最大适应度函数所对应的组合服务路径。
在本发明的描述中，需要理解的是，术语“同轴”、“底部”、“一端”、“顶部”、“中部”、“另一端”、“上”、“一侧”、“顶部”、“内”、“外”、“前部”、“中央”、“两端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明中，除非另有明确的规定和限定，术语“安装”、“设置”、“连接”、“固定”、“旋转”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (5)

1.一种物联网环境下基于用户偏好的QoS服务组合方法，其特征在于，所述方法包括：
S1、采集用户的服务需求信息，提取出用户请求服务提供的输入条件以及用户获取服务的输出目标；
S2、利用分层过滤算法获取与用户的服务需求信息有关的服务集合，并基于输入条件和输出目标的依赖关系，构建出服务之间的服务依赖图；
基于用户的服务需求信息中的用户请求服务提供的输入条件以及用户获取服务的输出目标，在服务信息库中正向遍历查找与输入条件有关的服务，然后将正向遍历的结果反向分层过滤掉与输出目标无关的服务，最终得到服务集合；在有向图中的节点上搭载服务，在节点所连接形成的边上搭载输入条件和输出目标的依赖关系，从而构建出服务依赖图；
S3、使用组合路径序列算法获取所述服务依赖图的组合服务路径集；
对服务依赖图进行广度优先遍历，求得每个服务的前驱服务集，并将其前驱服务节点的组合服务路径序列合并，得到该服务的组合服务路径序列，遍历结束得到该服务依赖图整体的组合服务路径集；
S4、将所述组合服务路径集中服务节点的各服务实例的每一个QoS属性值归一化，并采用擂台算法计算出各服务节点的服务实例非支配集；
S5、将基于用户偏好的QoS目标函数作为适应度函数，利用遗传算法为每一条组合服务路径选择出适应度函数最大的作为最佳的组合服务实例；
S6、在组合服务路径集中选择出适应度函数最大的作为最佳组合服务路径。
2.根据权利要求1所述的一种物联网环境下基于用户偏好的QoS服务组合方法，其特征在于，步骤S4中，将所述组合服务路径集中服务节点的各服务实例的每一个QoS属性值归一化包括将每个服务实例中的QoS属性信息划分为肯定型QoS属性和否定型QoS属性；使用极差变换法对所述肯定型QoS属性和所述否定型QoS属性进行归一化处理。
3.根据权利要求2所述的一种物联网环境下基于用户偏好的QoS服务组合方法，其特征在于，步骤S4中，采用擂台算法计算出各服务节点的服务实例非支配集包括将归一化后的QoS属性值作为比较标准，使用擂台算法得到各服务节点的服务实例非支配集；对服务实例集合的非支配集初始化，在所有归一化后的QoS属性值所对应的服务实例集合中选择出擂主服务实例，并按照擂主服务实例的归一化后的QoS属性值与其他服务实例的归一化后的QoS属性值进行循环比较；判断服务实例之间的支配关系，按照擂主选拔的方式删除部分服务实例，并输出各服务节点的服务实例非支配集。
4.根据权利要求1所述的一种物联网环境下基于用户偏好的QoS服务组合方法，其特征在于，步骤S5中，所述基于用户偏好的QoS目标函数表示为：
Figure FDA0003865705710000021
其中，f表示基于用户偏好的QoS目标函数即遗传算法的适应度函数；Qi'表示第i个QoS属性经过转换算法后的属性值；wi表示用户关于Qi'属性的偏好权重；n表示QoS属性总类数。
5.根据权利要求4所述的一种物联网环境下基于用户偏好的QoS服务组合方法，其特征在于，所述转换算法包括输入组合服务路径，初始化各个QoS属性值，遍历组合服务路径，判断其中的组合模式，根据不同的组合模式更新各个QoS属性值，遍历完成后输出遗传算法中的染色体的QoS属性n元组。
CN202011616551.2A 2020-12-30 2020-12-30 物联网环境下基于用户偏好的QoS服务组合方法 Active CN112765407B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011616551.2A CN112765407B (zh) 2020-12-30 2020-12-30 物联网环境下基于用户偏好的QoS服务组合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011616551.2A CN112765407B (zh) 2020-12-30 2020-12-30 物联网环境下基于用户偏好的QoS服务组合方法

Publications (2)

Publication Number Publication Date
CN112765407A CN112765407A (zh) 2021-05-07
CN112765407B true CN112765407B (zh) 2022-11-11

Family

ID=75697877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011616551.2A Active CN112765407B (zh) 2020-12-30 2020-12-30 物联网环境下基于用户偏好的QoS服务组合方法

Country Status (1)

Country Link
CN (1) CN112765407B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114239900A (zh) * 2021-10-13 2022-03-25 三明学院 一种最优路径的选择方法、装置、设备及可读存储介质
CN113962161A (zh) * 2021-11-05 2022-01-21 重庆邮电大学 基于黑寡妇优化算法的最优QoS服务选择方法及装置

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101719932A (zh) * 2009-11-20 2010-06-02 中国科学院计算技术研究所 自动服务组合的系统及方法
CN102081675A (zh) * 2011-01-27 2011-06-01 中国科学院计算技术研究所 支持Top K查询的自动服务组合方法及系统
CN102546754A (zh) * 2011-11-23 2012-07-04 河南理工大学 服务质量可定制的Web服务组合方法
CN102945283A (zh) * 2012-11-19 2013-02-27 武汉大学 一种语义Web服务组合方法
CN103108044A (zh) * 2013-02-04 2013-05-15 南京大学 一种基于依赖图约减和QoS保持的Web服务组合方法
CN103106269A (zh) * 2013-02-04 2013-05-15 南京大学 一种基于搜索空间约减的Web服务组合方法
CN103149840A (zh) * 2013-02-01 2013-06-12 西北工业大学 一种基于动态规划的语义服务组合方法
CN103838857A (zh) * 2014-03-17 2014-06-04 中国科学院软件研究所 一种基于语义的自动服务组合系统及方法
CN104166733A (zh) * 2014-09-03 2014-11-26 南京大学 一种基于依赖图模型的Web服务组合结果修复方法
CN106357739A (zh) * 2016-08-27 2017-01-25 浙江工业大学 一种针对批量云服务请求的两阶段组合与调度方法
CN107070704A (zh) * 2017-03-22 2017-08-18 东南大学 一种基于QoS的可信Web服务组合优化方法
CN107197006A (zh) * 2017-05-12 2017-09-22 中国人民解放军信息工程大学 基于全局QoS分解的多约束服务选取方法及其装置
CN107679221A (zh) * 2017-10-19 2018-02-09 武汉大学 面向减灾任务的时空数据获取与服务组合方案生成方法
CN107743073A (zh) * 2017-10-17 2018-02-27 云南大学 一种用户QoS需求导向的服务演化选择策略方法及系统
CN109039698A (zh) * 2018-06-20 2018-12-18 南京邮电大学 工业互联网智能服务处理方法、可读存储介质、终端
CN109167833A (zh) * 2018-09-05 2019-01-08 河海大学 一种基于图的可扩展QoS感知组合方法
CN109408046A (zh) * 2018-09-05 2019-03-01 河海大学 一种基于图的最短路Web服务组合方法
CN110650032A (zh) * 2018-06-27 2020-01-03 复旦大学 一种构建多云环境下基于QoS的应用优化部署方案的方法
CN111222665A (zh) * 2018-11-26 2020-06-02 沈阳高精数控智能技术股份有限公司 基于偏好nsga-ⅲ算法的云制造服务组合优化选择方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140164048A1 (en) * 2012-12-07 2014-06-12 Xerox Corporation Scalable weight-agnostic multi-objective qos optimization for workflow planning

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101719932A (zh) * 2009-11-20 2010-06-02 中国科学院计算技术研究所 自动服务组合的系统及方法
CN102081675A (zh) * 2011-01-27 2011-06-01 中国科学院计算技术研究所 支持Top K查询的自动服务组合方法及系统
CN102546754A (zh) * 2011-11-23 2012-07-04 河南理工大学 服务质量可定制的Web服务组合方法
CN102945283A (zh) * 2012-11-19 2013-02-27 武汉大学 一种语义Web服务组合方法
CN103149840A (zh) * 2013-02-01 2013-06-12 西北工业大学 一种基于动态规划的语义服务组合方法
CN103108044A (zh) * 2013-02-04 2013-05-15 南京大学 一种基于依赖图约减和QoS保持的Web服务组合方法
CN103106269A (zh) * 2013-02-04 2013-05-15 南京大学 一种基于搜索空间约减的Web服务组合方法
CN103838857A (zh) * 2014-03-17 2014-06-04 中国科学院软件研究所 一种基于语义的自动服务组合系统及方法
CN104166733A (zh) * 2014-09-03 2014-11-26 南京大学 一种基于依赖图模型的Web服务组合结果修复方法
CN106357739A (zh) * 2016-08-27 2017-01-25 浙江工业大学 一种针对批量云服务请求的两阶段组合与调度方法
CN107070704A (zh) * 2017-03-22 2017-08-18 东南大学 一种基于QoS的可信Web服务组合优化方法
CN107197006A (zh) * 2017-05-12 2017-09-22 中国人民解放军信息工程大学 基于全局QoS分解的多约束服务选取方法及其装置
CN107743073A (zh) * 2017-10-17 2018-02-27 云南大学 一种用户QoS需求导向的服务演化选择策略方法及系统
CN107679221A (zh) * 2017-10-19 2018-02-09 武汉大学 面向减灾任务的时空数据获取与服务组合方案生成方法
CN109039698A (zh) * 2018-06-20 2018-12-18 南京邮电大学 工业互联网智能服务处理方法、可读存储介质、终端
CN110650032A (zh) * 2018-06-27 2020-01-03 复旦大学 一种构建多云环境下基于QoS的应用优化部署方案的方法
CN109167833A (zh) * 2018-09-05 2019-01-08 河海大学 一种基于图的可扩展QoS感知组合方法
CN109408046A (zh) * 2018-09-05 2019-03-01 河海大学 一种基于图的最短路Web服务组合方法
CN111222665A (zh) * 2018-11-26 2020-06-02 沈阳高精数控智能技术股份有限公司 基于偏好nsga-ⅲ算法的云制造服务组合优化选择方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
AN OVERVIEW OF CONSTRAINT-BASED PATH SELECTION ALGORITHMS FOR QOS ROUTING;F KUIPERS ET AL.;《IEEE COMMUNICATIONS MAGAZINE》;20021231;第50-55页 *
基于QoS的Web服务组合中多路径全局优化方法的研究;冯建周等;《小型微型计算机系统》;20130715(第07期);第39-43页 *
基于可信QoS的路径查找及负载均衡策略研究;董学文等;《信息网络安全》;20200510(第05期);第35-44页 *

Also Published As

Publication number Publication date
CN112765407A (zh) 2021-05-07

Similar Documents

Publication Publication Date Title
Huang et al. A novel group recommendation model with two-stage deep learning
Ding et al. A transaction and QoS-aware service selection approach based on genetic algorithm
Zhang et al. Dynamic virtual network embedding algorithm based on graph convolution neural network and reinforcement learning
Jiacheng et al. A hybrid genetic algorithm based on information entropy and game theory
CN112765407B (zh) 物联网环境下基于用户偏好的QoS服务组合方法
Comellas et al. Recursive graphs with small-world scale-free properties
Banaei-Kashani et al. SWAM: A family of access methods for similarity-search in peer-to-peer data networks
Petcu A class of algorithms for distributed constraint optimization
Chattopadhyay et al. A scalable and approximate mechanism for web service composition
Wang et al. Integrating trust with user preference for effective web service composition
Wang et al. Evolutionary multitasking for semantic web service composition
Wang et al. Enhanced ant colony algorithm for cost-aware data-intensive service provision
CN110169019A (zh) 数据库功能定义的网络交换机和数据库系统
Chibani et al. Elephant herding optimization for service selection in qos-aware web service composition
Batouche et al. Semantic web services composition optimized by multi-objective evolutionary algorithms
Qu et al. Analysis of distribution path optimization algorithm based on big data technology
CN109167833B (zh) 一种基于图的可扩展QoS感知组合方法
Zheng et al. A cooperative adaptive genetic algorithm for reentrant hybrid flow shop scheduling with sequence-dependent setup time and limited buffers
CN101442466B (zh) 一种叠加网络及实现方法
Khatoonabadi et al. GAP2WSS: A genetic algorithm based on the pareto principle for web service selection
Liao et al. A multi-objective service selection algorithm for service composition
Wang et al. Optimal and effective web service composition with trust and user preference
CN113239255B (zh) 异构数据资源的共享方法、装置、计算机设备及介质
Huang et al. A novel Bi-Ant colony optimization algorithm for solving multi-objective service selection problem
CN114500636A (zh) 一种基于图的科技资源服务发现方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant