CN114422582B - 一种面向科技资源的服务动态组合方法及装置 - Google Patents
一种面向科技资源的服务动态组合方法及装置 Download PDFInfo
- Publication number
- CN114422582B CN114422582B CN202210066912.3A CN202210066912A CN114422582B CN 114422582 B CN114422582 B CN 114422582B CN 202210066912 A CN202210066912 A CN 202210066912A CN 114422582 B CN114422582 B CN 114422582B
- Authority
- CN
- China
- Prior art keywords
- service
- optimal
- services
- search
- parameter set
- 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
Links
Images
Landscapes
- Lubricants (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种面向科技资源的服务动态组合方法及装置,涉及Web服务组合、科技资源服务等技术领域,通过建立服务规划图,在服务选择阶段对服务规划图的状态空间采用反向搜索算法,在搜索过程中,对相关服务进行匹配度评价,优选出匹配度高的服务,形成最优服务集合,通过服务编排算法实现服务排序,最终得到最优服务匹配度的服务组合序列。
Description
技术领域
本发明涉及Web服务组合、科技资源服务等技术领域,特别是涉及一种面向科技资源的服务动态组合方法及装置。
背景技术
科技资源是从事科技活动的人力、物力、财力以及组织、管理、信息等软、硬件要素的总称,或是强调其中某些要素的集合。它为科技活动提供了物质保障,也为科技管理、决策和科学研究提供了基本性条件保障,是国家的重要战略资源。
Web服务是一种服务导向架构的技术,通过标准的Web协议提供服务,目的是保证不同平台的应用服务可以互操作。根据W3C的定义,Web服务(Web service)应当是一个软件系统,用以支持网络间不同机器的互动操作。网络服务通常是许多应用程序接口(API)所组成的,它们透过网络,例如国际互联网(Internet)的远程服务器端,执行客户所提交服务的请求。
编排(Choreography)是面向协作的,通过消息的交互序列来控制各个部分资源的交互,参与交互的资源都是对等的,没有集中的控制。Choreography可以看作一种消息驱动模式,或者说是订阅发布模式,每笔业务到来后,各个监听改事件的服务,会主动获取消息,处理,并可以按需发布自己的消息。可以把不同队列看作不同种类的消息,微服务看作消息处理函数。Choreography实现方案多是异步的。
服务组合(Service Portfolio)在《信息技术基础架构库》定义为服务策略和服务设计。服务组合涵盖了一个组织中所有服务所有信息,每一服务都表明其状态和历史。服务组合中主要的描述符(descriptor)是服务设计包(Service Design Package,缩写SDP)。
科技资源服务数量随面向服务架构的应用及服务技术的发展不断增长。SOA服务架构下,服务遵循单一职责,系统具有复用性、灵活性和扩展性,系统中复杂业务逻辑功能可通过选择、组合已有服务实现。网络环境动态变化下,同一功能的不同服务实例性能也不同。在SOA服务系统架构下对已有服务进行选择和组合具有重要研究意义。
服务组合方法大致分为三类:(1)基于工作流的服务组合方法:将工作流技术与服务技术结合的产物,以人工制定的业务流程模型为基础,通过在服务库中为业务流程选取能执行该任务的服务,从而形成一个流程式的组合服务,但该方法适用于服务组合流程已确定的情况;(2)基于图搜索的服务组合方法:通过服务库中服务的相互调用的关系来构建服务关系图,利用图遍历算法来寻找一条从请求起始节点到目标节点的服务路径,从而得到一组可实现用户请求的组合服务解,该方法适用于服务之间存在较多关联的情况;(3)基于智能规划理论的服务组合方法:服务组合问题与自动规划问题的求解过程较相似,都是从一个初始状态作为开始,由规划方法从一组可选的动作集(服务集合)中选取一组动作序列(组合服务路径),通过执行这组动作序列(组合服务路径)使得初始状态到达目标状态,服务组合问题可被建模为一个智能规划问题。智能规划问题在求解中可被建模为规划图模型,该方法适用于流程模型未确定的情况。
科技资源服务具有分布式、跨域等特有属性,科技资源服务在跨区域科技站点调用时,服务的调用时间,以及不同科技站点设置的调用权限,将影响科技资源服务的选择及组合。
发明内容
为了克服上述现有技术的不足,本发明提供了一种面向科技资源的服务动态组合方法及装置,本发明考虑了不同地域科技站点的科技资源服务的特征,实现了有效的服务组合。
本发明所采用的技术方案是:
一种面向科技资源的服务动态组合方法,包括以下步骤:
为搜索Web服务建立服务规划图,该服务规划图中的每个节点表示搜索Web服务过程中的一个状态,每个状态由一组Web服务的输入参数集或输出参数集构成,该服务规划图中的两个节点之间的有向边表示两个节点所对应的状态之间的映射关系,调用服务所需的花费作为有向边的权重;
对于一个调用Web服务的请求,该请求的参数包括初始参数集ri和目标参数集ro,在服务规划图上进行反向搜索,将搜索每个Web服务的子目标的初始值设为ro\ri,ro\ri表示不含初始参数集只含目标参数集,通过反向搜索找出ro\ri中每个参数的前缀服务,取并集得到前缀服务集合;
计算前缀服务集合中所有服务的输出参数与子目标的目标参数的服务匹配度,将服务匹配度最高的服务作为最优服务;
调用所述最优服务,将最优服务的去除ri后的输出参数加入到当前状态,并将该最优服务加入到最优服务集合;再将最优服务的去除ri后的输入参数合并入下一次迭代的子目标中,并去除当前状态,如此迭代直到子目标为空集,终止搜索过程,得到最优服务集合;
在服务规划图上将当前状态重置为ri,从ri开始正向搜索,将最优服务集合中的服务进行排序,并输出最优服务集合中的全部服务,得到一组有序的最优服务输出序列。
进一步地,反向搜索时,当子目标为空集时,终止搜索。
进一步地,服务匹配度计算公式为:
式中,MD表示服务匹配度,|wo∩follow|指服务w的输出参数集wo与子目标的目标参数集和llow的交集的元素个数,|wo∪follow|指wo与follow的并集的元素个数。
进一步地,对于两个服务w1和w2,如果MD(w1)>MD(w2),表示服务w1的服务匹配度更高。
进一步地,在进行正向搜索时,判断最优服务集合是否为空集,如果为空集,表示已经输出全部的服务,则终止搜索;如果不是空集,则利用上述输出的服务的输出参数集更新当前状态,并从最优服务集合中找出服务并输出,直到最优服务集合为空集时终止搜索。
一种面向科技资源的服务动态组合装置,包括存储器和处理器,在该存储器上存储有计算机程序,该处理器执行该程序时实现上述方法的步骤。
一种计算机可读存储介质,存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
与现有技术相比,本发明的有益效果是:
1、本发明能够减少服务组合序列生成阶段的迭代次数。|W|指Web服务的个数,服务组合序列的长度最大为|W|。在服务匹配阶段每轮遍历过程中最多有|W|次循环。服务匹配阶段的时间复杂度为O(|W|2log|P|),因为服务匹配阶段最多有|W|次迭代,每次迭代中,在计算服务与目标的匹配度这一步最大时间复杂度为O(|W|log|P|)。服务组合序列生成阶段的时间复杂度为O(W),因为服务组合序列生成阶段最多有|W|次迭代。
2、本发明通过考虑科技资源服务的特有属性,针对分布式、跨域等特点,在保持科技资源单站点可用的条件下,将科技资源在分布式的软件服务架构下,实现了各个科技服务之间的调用和重组,本发明方法能够随着业务流程的变化、用户需求的变化灵活地选取并组合不同的服务。
3、本发明考虑了科技资源服务在网络环境动态变化下,同一个功能的不同服务实例性能也不同,特别是针对分布式、跨域的科技资源服务,其服务实例随地域的不同,服务实例的性能不同,本发明考虑了服务实例动态变化等特点,通过服务匹配度、服务编排等生成最优服务组合序列,使得科技资源服务具有更好的复用性、灵活性和可扩展性。
附图说明
图1为本发明提出的一种面向科技资源的服务动态组合方法流程图;
图2为本发明的生成最优服务集合的流程图;
图3为本发明的输出最优服务的流程图。
具体实施方式
下面结合附图对本发明进一步说明。
本发明通过的一种面向科技资源的服务动态组合方法,通过建立服务规划图,在服务选择阶段对服务规划图的状态空间采用反向搜索算法,在搜索过程中,对相关服务进行匹配度评价,优选出匹配度高的服务,形成最优服务集合,通过服务编排算法实现服务排序,最终得到最优服务匹配度的服务组合序列。主要包括6个步骤:(1)服务规划图构建;(2)状态空间反向搜索;(3)服务匹配度计算;(4)最优服务集合生成;(5)服务编排;(6)服务组合序列生成。如图1所示。
(1)服务规划图构建
一个Web服务包含输入参数集和输出参数集两个参数集合。输入参数集对应SOAP消息格式中的request;输出参数集对应SOAP消息格式中的response。这里将服务组合问题考虑为Web服务下的服务组合。假定当调用一个Web服务时,用户可提供该服务所需的全部输入参数。这样Web服务会以全部输出参数作为返回值。因此一个Web服务w可被定义为:
w=(wi,wo)
其中,输入参数集wi=(I1,I2,...),输出参数集wo=(O1,O2,...)。给定一个请求r=(ri,ro),其中ri指请求的初始参数集,ro指请求的目标参数集。服务组合问题是,给定一个请求,如何解出能满足条件的Web服务组合序列。当前状态Curs指在搜索Web服务的过程中的当前参数集合。CURS是状态Curs的集合,有Curs∈CURS。初始状态设为Curs0,满足Curs0∈CURS。
服务规划图Gs(Vs,Es)指将搜索过程中的状态Cursi∈CURS作为节点i∈Vs,Es作为节点间有向边的集合。若存在有向边(i,j)∈Es,则说明节点i对应的状态Cursi和节点j对应的状态Cursj之间存在映射关系f(w,Cursi)=Cursj且w∈Ω(Cursi)。这样,边(i,j)的权重即为调用服务w所需的花费c(w)。在服务组合问题的规划表示中,调用服务表示动作的添加效果,问题中不存在动作的删除效果、循环效果。
2、状态空间反向搜索
反向搜索是针对服务规划图的状态空间进行搜索,进行反向搜索时,对当前状态进行初始化得到初始状态Curs0,将初始状态Curs0设为不含初始参数只含目标参数的ro\ri,即不含ri,并且将ro中去除交集ro∩ri,防止在搜索过程中进行无意义的输入参数的搜索,针对每个服务的搜索的子目标设为follow,follow的初始值为初始状态Curs0,意为反向搜索过程的初始目标即为初始状态。从子目标follow出发,找出ro\ri中每个参数的前缀服务,取并集,得到前缀服务集合supWS。当follow为空集时,意为反向搜索过程完成,终止搜索过程。
3、服务匹配度计算
计算前缀服务集合中所有服务的输出参数与当前目标参数的服务匹配度,服务匹配度(MD,Matching Degree)计算公式如下:
式中,|wo∩follow|指服务w的输出参数集合wo与当前目标参数集合follow的交集中元素个数,|wo∪follow|指二者并集元素的个数。
该匹配度计算公式依托的假定是,在反向搜索过程中,如果一个服务w的wo与follow交集中元素个数越多,那么服务组合结果中调用服务w能比调用其他服务花费更低的代价到达此目标。另外,在进行匹配时,如果服务w的wo包含了过多无关参数,就不能与follow有极高的匹配度,因此在计算公式中减去了二者交集之外的元素个数,以此作为对wo包含的无关参数的惩罚。因此,服务匹配度MD(w)∈[-1,1],如果MD(w)=1,成为服务w与目标完全匹配。对于服务w1和w2,如果MD(w1)>MD(w2),那么说明服务w1更能匹配当前目标,其在服务组合结果中完全匹配的可能性也越大。因此在搜索过程中,优先选取有更大匹配度的服务,能增大服务组合结果中完全匹配的可能性,从而避免搜索空间的泛滥。
4、最优服务集合生成
将服务匹配度最高的服务作为最优服务curW,调用该最优服务curW,将最优服务curW的去除ri后的输出参数加入到当前状态curS中来更新当前状态,并将最优服务curW加入到最优服务集合wsSet中来更新wsSet。将最优服务curW的去除ri后的输入参数合并入下一次迭代的子目标follow中,同时去除当前状态curS(即将子目标中去除了当前已调用的最优服务curW的输出参数),如此迭代直到follow为空集,终止搜索过程,得到最优服务集合wsSet。
图2所示为上述步骤2-4的全过程,采用的具体算法见以下算法1:
算法1的代码第1行是对当前状态curS进行初始化。第1行将当前状态curS赋值为ro\ri,该运算式指将ro中去除交集ro∩ri。这样防止在搜索过程中进行无意义的输入参数的搜索。代码中将每轮搜索过程的子目标设为follow。follow的初始值为状态curS,意为反向搜索过程的初始目标即为初始状态。当follow为空集时,意为反向搜索过程完成,终止搜索过程。
代码第2-7行是反向搜索过程。首先选出所有follow中参数的前缀服务集合supWS,再计算supWS中所有服务与当前目标follow的匹配度MD,在其中选取有最大匹配度的服务curW。第5-7行更新在调用服务curW后各项变量。第5行向当前状态curS加入了curW的不含ri的输出参数。第6行在最优服务集合wsSet中加入了服务curW。第7行更新了子目标follow,将curW的输入参数去除ri后合并入follow中,并去除当前状态curS,也就是将子目标中去除了当前已调用服务的输出参数。如此迭代直到follow为空集,终止搜索过程。
5、服务编排
服务编排是指将上一阶段选出的最优服务集合wsSet排序出最终的服务组合序列,进入服务规划图的状态空间进行正向搜索,将搜索的起始状态重置为初始状态,从请求的初始参数ri开始搜索,将最优服务集合wsSet中的服务进行排序。搜索过程中,算法将判断在最优服务集合wsSet是否为空,若集合中服务已全部输出,则搜索停止,否则在当前状态下可调用的服务集合中寻找最优服务集合中的服务,如果有这样的服务,那么输出该服务。
6、服务组合序列生成
在当前状态curS能调用的服务集合sufWS(curS)中寻找在wsSet的服务,按照正向搜索顺序输出服务,得到一组有序的最优服务输出序列。即将服务的输出参数集合与状态集合合并,在最优服务集合中去除服务已排序的服务,直到最优服务集合为空集时终止搜索过程,生成服务组合序列。
图3所示为上述步骤5-6的全过程,采用的具体算法见以下算法2:
算法2的第1行首先将状态curS重置为ri。第2-5行代码进入服务的状态空间进行正向搜索。在此过程中,算法将判断在上一步得到的最优服务集合wsSet是否为空。若wsSet中服务已全部输出,则搜索停止。第3行判断当前状态curS下可调用的服务集sufWS(curS)中是否有wsSet集合中的服务,如果有这样的服务w,那么在第4行输出该服务w。第5行更新状态curS和服务集合wsSet,将服务w的输出参数集合wo与状态curS合并,将wsSet集合中去除服务w。直到wsSet为空集时终止搜索过程。
实施例:
为使本发明的目的、技术方案和优点更加清楚,易于理解。下面将结合具体实施例,对本发明提出的基于图的科技资源服务动态组合方法与装置的技术方案细节做进一步阐释说明。
科技资源服务组合一定程度解决了科技资源分布的离散性,管理的复杂性问题。本发明通过采用方法,可以在多项式时间内取得近似最优服务组合序列。
基于图的科技资源服务动态组合算法主要分为两个子过程,具体步骤如下:
步骤1:执行最优服务选择,具体可以细分为以下步骤:
步骤1.1:进行状态空间的反向搜索。
根据不含初始参数只含目标参数集合作为初始输入参数,进行反向搜索,找到初始输入参数的前缀服务集合。
步骤1.2:服务匹配度计算。
从当前状态生成的前缀服务集合中找到匹配度最大的服务,MD(w)∈[-1,1]。
步骤1.3:最优服务集合生成。
将匹配度最大的服务加入最优服务集合wsSet。
步骤2:实施服务编排,生成服务组合序列。
步骤2.1:前向搜索。
找到可调用集合sufWS(curS)和最优服务集合wsSet的交集。
步骤2.2:服务组合序列生成。
假设有以下Web服务,应用以上服务组合算法。
服务w1:输入参数集合{统一编码D,年份C},输出参数集合{科研经费F,在职员工人数G,人才引进情况H},服务提供方地理位置(广东省湛江市)。
服务w2:输入参数集合{大学名称B、年份C},输出参数集合{科研经费J、在职教师人数K},服务提供方地理位置(广西壮族自治区南宁市)。
服务w3:输入参数集合{科研院所科研经费F,科研院所人员数G,大学科研经费J,大学人员数K},输出参数集合{科研院所人均科研经费L,大学人均科研经费M,二者平均人均科研经费N},服务提供方地理位置(海南省海口市)。
服务w4:输入参数集合{科研院所名称A},输出参数集合{统一编码D,地址详情I},服务提供方地理位置(广东省湛江市)。
服务w5:输入参数集合{科研院所名称A、年份C},输出参数集合{统一编码D,人才引进情况P},服务提供方地理位置(广东省湛江市)。
服务请求者位于北京市,发起的请求使用r表示,请求输入集合ri={科研院所名称A、大学名称B、年份C},请求输出集合ro={科研院所人均科研经费L、大学人均科研经费M,二者平均人均科研经费N}。
假设前缀服务集合preWS如表所示。以上服务对应的服务关系图见图所示。请求输入参数集合ri={A,B,C},请求输出参数集合ro={L,M,N}。
表1:前缀服务
A | B | C | D | F | G | H | I | J | K | L | M | N | P |
- | - | - | w5 | w1 | w1 | w1 | w4 | w2 | w2 | w3 | w3 | w3 | w5 |
首先实施服务选择算法。
第一次迭代:计算supWS={preWS(L),preWS(M),preWS(N)}={w3}。
带入匹配度计算公式,可得MD(w3)=1。当匹配度最大时,可得自变量w的对应为w3。所以curW=w3。
curS={L,M,N},follow={F,G,J,K},wsSet={w3}。判断follow不为空,执行第二次迭代。
第二次迭代:计算supWS={preWS(F),preWS(G),preWS(J),preWS(K)}={w1,w2}
curS={L,M,N,J,K},follow={F,G},wsSet={w3,w2}。判断follow不为空,执行第三次迭代。
第三次迭代:计算supWS={preWS(F),preWS(G)}={w1}。
curS={L,M,N,J,K,F,G,H},follow={D},wsSet={w3,w2,wl}。判断follow不为空,执行第四次迭代。
第四次迭代:计算supWS={preWS(D)}={w5}。
curS={L,M,N,J,K,F,G,H,D,P},follow={},wsSet={w3,w2,w1,w5}。判断follow为空,迭代终止。服务选择过程结束。
接下来执行服务编排过程。
初始化:请求输入集合ri={A,B,C},curS=ri={A,B,C},上一步骤得出的最优服务集合wsSet={w3,w2,w1,w5}。结果保存在服务组合序列arr中。wsSet不为空,执行第一步迭代。
第一步迭代:当前可调用服务集合sufWS(curS)={w2,w4,w5},wsSet={w3,w2,w1,w5},两个集合的交集:sufWS(curS)∩wsSet={w2,w5},不失一般性,选择服务w2。
更新arr=[w2],curS={A,B,C,J,K},wsSet={w3,w1,w5},wsSet不为空,执行第二步迭代。
第二步迭代:当前可调用服务集合sufWS(curS)={w2,w4,w5},wsSet={w3,w1,w5},两个集合的交集:sufWS(curS)∩wsSet={w5},选择服务w5。
更新arr=[w2,w5],curS={A,B,C,J,K,D,P},wsSet={w3,w1},wsSet不为空,执行第三步迭代。
第三步迭代:当前可调用服务集合sufWS(curS)={w1,w2,w4,w5},wsSet={w3,w1},两个集合的交集为sufWS(curS)∩wsSet={w1},选择服务w1。
更新arr=[w2,w5,w1],curS={A,B,C,J,K,D,P,F,G,H},wsSet={w3},wsSet不为空,执行第四步迭代。
第四步迭代:当前可调用服务集合sufWS(curS)={w1,w2,w3,w4,w5},wsSet={w3},两个集合的交集为sufWS(curS)∩wsSet={w3},选择服务w3。
更新arr=[w2,w5,w1,w3],curS={A,B,C,J,K,D,P,F,G,H,L,M,N},wsSet={},wsSet为空,迭代终止。
生成的服务组合序列为arr=[w2,w5,w1,w3],即依次调用w2,w5,w1,w3即可满足用户请求。可以发现w4没有调用,原因在于w4代价花费高于w5。
可见本发明提出的基于图的科技资源服务动态组合方法,提高了服务组合的有效性,增加了科技资源服务之间的协同性和共享性。同时避免了重新开发Web服务带来的巨大的人力和物力消耗,提高了科技资源服务的利用率。
虽然本发明已以实施例公开如上,然其并非用以限定本发明,本领域的普通技术人员对本发明的技术方案进行的适当修改或者等同替换,均应涵盖于本发明的保护范围内,本发明的保护范围以权利要求所限定者为准。
Claims (7)
1.一种面向科技资源的服务动态组合方法,其特征在于,包括以下步骤:
为面向科技资源的搜索Web服务建立服务规划图,该服务规划图中的每个节点表示搜索Web服务过程中的一个状态,每个状态由一组Web服务的输入参数集或输出参数集构成,输入参数为科技资源的要素请求,输出参数为科技资源的要素响应,该服务规划图中的两个节点之间的有向边表示两个节点所对应的状态之间的映射关系,调用服务所需的花费作为有向边的权重;
对于一个调用Web服务的请求,该请求的参数包括初始参数集ri和目标参数集ro,在服务规划图上进行反向搜索,将搜索每个Web服务的子目标的初始值设为ro\ri,ro\ri表示不含初始参数集只含目标参数集,通过反向搜索找出ro\ri中每个参数的前缀服务,取并集得到前缀服务集合;
计算前缀服务集合中所有服务的输出参数与子目标的目标参数的服务匹配度,将服务匹配度最高的服务作为最优服务;
调用所述最优服务,将最优服务的去除ri后的输出参数加入到当前状态,并将该最优服务加入到最优服务集合;再将最优服务的去除ri后的输入参数合并入下一次迭代的子目标中,并去除当前状态,如此迭代直到子目标为空集,终止搜索过程,得到最优服务集合;
在服务规划图上将当前状态重置为ri,从ri开始正向搜索,将最优服务集合中的服务进行排序,并输出最优服务集合中的全部服务,得到一组有序的最优服务输出序列。
2.如权利要求1所述的方法,其特征在于,反向搜索时,当子目标为空集时,终止搜索。
4.如权利要求3所述的方法,其特征在于,对于两个服务w1和w2,如果MD(w1)>MD(w2),表示服务w1的服务匹配度更高。
5.如权利要求1所述的方法,其特征在于,在进行正向搜索时,判断最优服务集合是否为空集,如果为空集,表示已经输出全部的服务,则终止搜索;如果不是空集,则利用上述输出的服务的输出参数集更新当前状态,并从最优服务集合中找出服务并输出,直到最优服务集合为空集时终止搜索。
6.一种面向科技资源的服务动态组合装置,包括存储器和处理器,在该存储器上存储有计算机程序,该处理器执行该程序时实现权利要求1-5任一项所述方法的步骤。
7.一种计算机可读存储介质,存储有计算机程序,该程序被处理器执行时实现权利要求1-5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210066912.3A CN114422582B (zh) | 2022-01-20 | 2022-01-20 | 一种面向科技资源的服务动态组合方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210066912.3A CN114422582B (zh) | 2022-01-20 | 2022-01-20 | 一种面向科技资源的服务动态组合方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114422582A CN114422582A (zh) | 2022-04-29 |
CN114422582B true CN114422582B (zh) | 2023-05-16 |
Family
ID=81274833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210066912.3A Active CN114422582B (zh) | 2022-01-20 | 2022-01-20 | 一种面向科技资源的服务动态组合方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114422582B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115442242A (zh) * | 2022-08-29 | 2022-12-06 | 苏州空天信息研究院 | 一种基于重要性排序的工作流编排系统及其方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521288A (zh) * | 2011-11-29 | 2012-06-27 | 北京北大软件工程发展有限公司 | 一种互联网Web服务信息获取方法 |
CN102523252A (zh) * | 2011-11-29 | 2012-06-27 | 浙江大学 | 一种面向云计算的服务自动组合方法 |
CN108491422A (zh) * | 2018-02-07 | 2018-09-04 | 平安健康互联网股份有限公司 | 数据库自动化运维管理方法、服务器及存储介质 |
CN109284089A (zh) * | 2018-08-30 | 2019-01-29 | 上海艾融软件股份有限公司 | 一种基于微服务技术的电商平台的实现系统及方法 |
CN109408039A (zh) * | 2018-09-30 | 2019-03-01 | 昆明理工大学 | 一种科技资源服务构件的优化配置方法 |
EP3550433A1 (en) * | 2018-04-04 | 2019-10-09 | Hewlett-Packard Enterprise Development LP | State transitions for a set of services |
CN110691000A (zh) * | 2019-10-15 | 2020-01-14 | 山东理工大学 | 基于FAHP与规划图融合的Web服务组合方法 |
CN112685562A (zh) * | 2020-12-28 | 2021-04-20 | 中科院计算技术研究所大数据研究院 | 一种基于XGBoost模型的多维指标集成的技术评价方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150350229A1 (en) * | 2014-05-29 | 2015-12-03 | Singularity Networks, Inc. | Network Threat Detection and Mitigation Using a Domain Name Service and Network Transaction Data |
-
2022
- 2022-01-20 CN CN202210066912.3A patent/CN114422582B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521288A (zh) * | 2011-11-29 | 2012-06-27 | 北京北大软件工程发展有限公司 | 一种互联网Web服务信息获取方法 |
CN102523252A (zh) * | 2011-11-29 | 2012-06-27 | 浙江大学 | 一种面向云计算的服务自动组合方法 |
CN108491422A (zh) * | 2018-02-07 | 2018-09-04 | 平安健康互联网股份有限公司 | 数据库自动化运维管理方法、服务器及存储介质 |
EP3550433A1 (en) * | 2018-04-04 | 2019-10-09 | Hewlett-Packard Enterprise Development LP | State transitions for a set of services |
CN109284089A (zh) * | 2018-08-30 | 2019-01-29 | 上海艾融软件股份有限公司 | 一种基于微服务技术的电商平台的实现系统及方法 |
CN109408039A (zh) * | 2018-09-30 | 2019-03-01 | 昆明理工大学 | 一种科技资源服务构件的优化配置方法 |
CN110691000A (zh) * | 2019-10-15 | 2020-01-14 | 山东理工大学 | 基于FAHP与规划图融合的Web服务组合方法 |
CN112685562A (zh) * | 2020-12-28 | 2021-04-20 | 中科院计算技术研究所大数据研究院 | 一种基于XGBoost模型的多维指标集成的技术评价方法 |
Non-Patent Citations (4)
Title |
---|
A Planning Graph Based Algorithm for Semantic Web Service Composition;Yuhong Yan;《2008 10th IEEE Conference on E-Commerce Technology and the Fifth IEEE Conference on Enterprise Computing, E-Commerce and E-Services》;全文 * |
Accelerating Remote Sensing Data Analysis Workflows by On-demand Processing;Huang, Zhen-chun;《Accelerating Remote Sensing Data Analysis Workflows by On-demand Processing》;全文 * |
一种分布式Web服务内容的匹配方法研究;李文清 张常有 段淑凤;《微电子学与计算机》;全文 * |
基于图数据库的科技咨询数据资源管理平台研究与实现;韩鹏昊;《中国优秀硕士学位论文全文数据库》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114422582A (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ludwig | Applying particle swarm optimization to quality-of-service-driven web service composition | |
Moustafa et al. | Trustworthy stigmergic service compositionand adaptation in decentralized environments | |
Chen et al. | QoS-aware service composition over graphplan through graph reachability | |
Chen et al. | Redundant service removal in QoS-aware service composition | |
US9098329B1 (en) | Managing workflows | |
Laleh et al. | Constraint verification failure recovery in web service composition | |
Xia et al. | Web service composition integrating QoS optimization and redundancy removal | |
CN114422582B (zh) | 一种面向科技资源的服务动态组合方法及装置 | |
Kasperski et al. | A tabu search algorithm for the minmax regret minimum spanning tree problem with interval data | |
Comi et al. | A qos-aware, trust-based aggregation model for grid federations | |
Huang et al. | BSNet: a network‐based framework for service‐oriented business ecosystem management | |
Issa et al. | QoS-aware middleware for web services composition: a qualitative approach | |
Cao et al. | TASS: Transaction assurance in service selection | |
CN116582407A (zh) | 一种基于深度强化学习的容器化微服务编排系统及方法 | |
Wang et al. | QoS-based and network-aware web service composition across cloud datacenters | |
Wen et al. | Enhancing service composition by discovering cloud services community | |
Yoo et al. | A web service composition framework using integer programming with non-functional objectives and constraints | |
Mokdad et al. | Performance evaluation of a solution for composite service selection problem with multiple consumers | |
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 | |
Singh et al. | A literature review of the reliability of composite web service in Service-Oriented architecture | |
Younes et al. | SFL algorithm for QoS-based cloud service composition | |
Yi et al. | PPDRL: A Pretraining‐and‐Policy‐Based Deep Reinforcement Learning Approach for QoS‐Aware Service Composition | |
Vinothina | Scheduling scientific workflow tasks in cloud using swarm intelligence | |
Shao et al. | A scheduling algorithm for applications in a cloud computing system with communication changes |
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 |