一種基于信息熵和方差的服務(wù)選擇方法
【專利摘要】本申請(qǐng)公開了一種基于信息熵和方差的服務(wù)選擇方法，首先，基于信息熵理論對(duì)每個(gè)候選Web服務(wù)的N個(gè)QoS屬性歷史記錄進(jìn)行建模，求出每個(gè)候選Web服務(wù)的信息熵值；其中，N為整數(shù)；并根據(jù)信息熵值的大小篩選符合條件的Web服務(wù)；然后，基于方差理論對(duì)篩選出的Web服務(wù)計(jì)算方差值，并根據(jù)方差值的大小篩選出符合條件的Web服務(wù)；最后，利用混合整數(shù)規(guī)劃模型從篩選出的Web服務(wù)中求出最優(yōu)的服務(wù)組合。應(yīng)用本申請(qǐng)公開的技術(shù)方案，能夠準(zhǔn)確地選擇出最可靠的組合服務(wù)，并縮短服務(wù)選擇的時(shí)間開銷，同時(shí)，本發(fā)明具有較高的準(zhǔn)確性和較強(qiáng)的實(shí)用性，具有很好的推廣應(yīng)用價(jià)值。
【專利說(shuō)明】一種基于信息熵和方差的服務(wù)選擇方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于計(jì)算機(jī)應(yīng)用【技術(shù)領(lǐng)域】，尤其涉及一種基于信息熵和方差理論計(jì)算QoS 的不確定性來(lái)進(jìn)行服務(wù)選擇的方法。

【背景技術(shù)】
[0002] 由于現(xiàn)在的網(wǎng)絡(luò)中存在海量的Web服務(wù)，因此在選擇Web服務(wù)時(shí)，用戶需要面對(duì)越 來(lái)越多功能相同、QoS屬性不同的候選Web服務(wù)。通常情況下，僅僅一個(gè)Web服務(wù)難以滿足 用戶日益增長(zhǎng)的需求。因此，如何從眾多服務(wù)類中選擇出最優(yōu)的組合服務(wù)，是成功構(gòu)建面向 Web服務(wù)應(yīng)用的關(guān)鍵。當(dāng)前，基于QoS的Web服務(wù)組合已經(jīng)成為服務(wù)組合的研宄熱點(diǎn)。QoS 屬性的具體體現(xiàn)是每個(gè)QoS屬性用于表征Web服務(wù)某一方面的質(zhì)量信息。
[0003] 常見的Web服務(wù)QoS屬性包括：響應(yīng)時(shí)間、可靠性、價(jià)格、帶寬和吞吐率等等。由于 存在多個(gè)服務(wù)類，每個(gè)服務(wù)類存在大量的候選Web服務(wù)，用戶不可能對(duì)各個(gè)服務(wù)類中的每 個(gè)Web服務(wù)進(jìn)行逐一組合，以選擇最佳組合服務(wù)。這就需要綜合考慮候選的Web服務(wù)在各 自QoS屬性上的表現(xiàn)以及用戶自身的全局QoS約束，通過(guò)建立模型來(lái)選擇最優(yōu)的組合服務(wù)。 因此，準(zhǔn)確的基于QoS的服務(wù)選擇方法是成功構(gòu)建面向Web服務(wù)應(yīng)用的重要技術(shù)保障。
[0004] 當(dāng)前基于QoS的服務(wù)選擇方法的研宄情況是：
[0005] Zeng等人提出了動(dòng)態(tài)、質(zhì)量驅(qū)動(dòng)的Web服務(wù)選擇方法，該方法非常重視基于多屬 性QoS和全局約束條件的服務(wù)選擇，并且首次將用戶權(quán)重加入到服務(wù)選擇的QoS聚合函數(shù) 中。該方法取得了良好的實(shí)驗(yàn)效果，但是該方法考慮所有的候選服務(wù)，時(shí)間開銷非常大。
[0006] Alrifai等人提出了一種基于QoS的Web服務(wù)組合方法，該方法通過(guò)結(jié)合全局優(yōu)化 和局部選擇的方法來(lái)選出組合服務(wù)。該方法首先將用戶的全局QoS約束轉(zhuǎn)換為局部QoS約 束建模成一個(gè)最優(yōu)化過(guò)程，并通過(guò)混合整數(shù)規(guī)劃模型來(lái)求出最優(yōu)的約束分解，然后通過(guò)局 部約束分別求出每個(gè)服務(wù)的最優(yōu)服務(wù)，最終得到最優(yōu)的組合服務(wù)。
[0007] Baraka等人提出的感知的服務(wù)選擇方法解決了服務(wù)選擇中的QoS依賴關(guān)系并且 提高了服務(wù)組合的質(zhì)量保障。該方法首先對(duì)服務(wù)中的QoS依賴關(guān)系進(jìn)行建模，然后過(guò)濾掉 無(wú)意義的候選Web服務(wù)，最終進(jìn)行服務(wù)組合。
[0008] 目前已有的基于QoS的服務(wù)選擇方法大都存在以下缺點(diǎn)：
[0009] (l)Web服務(wù)的強(qiáng)烈的、不穩(wěn)定的QoS波動(dòng)不能夠?yàn)榉?wù)選擇提供可靠性保障。
[0010] (2)通過(guò)枚舉所有Web服務(wù)組合選擇出最優(yōu)的服務(wù)組合會(huì)導(dǎo)致一個(gè) NP(non_deterministic polynomial,非確定性多項(xiàng)式）難的問(wèn)題。
[0011] 目前，Web服務(wù)的各種應(yīng)用發(fā)展非常迅速，Web服務(wù)的數(shù)量越來(lái)越多，用戶的需求 越來(lái)越廣，準(zhǔn)確的為用戶選擇出最優(yōu)的服務(wù)組合是服務(wù)選擇的關(guān)鍵。但是，目前已有的基于 QoS服務(wù)選擇的各種方法都在可靠性上存在各種形式的不足。為此，本領(lǐng)域技術(shù)人員對(duì)此進(jìn) 行了大量的探索與研宄。


【發(fā)明內(nèi)容】

[0012] 有鑒于此，本發(fā)明的目的是提供一種基于信息熵和方差的服務(wù)選擇方法，該方法 基于信息熵理論和方差理論計(jì)算QoS的不確定性來(lái)進(jìn)行服務(wù)選擇，以準(zhǔn)確地把握Web服務(wù) 的整體可靠性，縮短服務(wù)選擇的時(shí)間開銷。
[0013] 為實(shí)現(xiàn)上述發(fā)明目的，本申請(qǐng)?zhí)峁┝艘环N基于信息熵和方差的服務(wù)選擇方法，包 括：
[0014] A、基于信息j：商理論對(duì)每個(gè)候選Web服務(wù)的N個(gè)QoS屬性歷史記錄進(jìn)行建模，求出 每個(gè)候選Web服務(wù)的信息熵值；其中，N為整數(shù)；
[0015] B、根據(jù)信息熵值的大小篩選符合條件的Web服務(wù)；
[0016] C、基于方差理論對(duì)篩選出的Web服務(wù)計(jì)算方差值，并根據(jù)方差值的大小篩選出符 合條件的Web服務(wù)；
[0017] D、利用混合整數(shù)規(guī)劃模型從步驟C篩選出的Web服務(wù)中求出最優(yōu)的服務(wù)組合。
[0018] 較佳地，在所述A之前進(jìn)一步包括：
[0019] A0、對(duì)每個(gè)候選Web服務(wù)的N個(gè)QoS屬性歷史記錄中的QoS屬性進(jìn)行數(shù)據(jù)歸一化 處理，將每個(gè)候選Web服務(wù)在各個(gè)QoS屬性上的取值轉(zhuǎn)化為[0，1]區(qū)間的數(shù)值。
[0020] 較佳地，所述A0包括：
[0021] A01、設(shè)置所有候選的Web服務(wù)類組成Web服務(wù)類集合WS = {WSi，WS2, . . .，WSi，.. ?，WSJ ;
[0022] 其中，集合中的每個(gè)WS代表一個(gè)Web服務(wù)類，下標(biāo)i為自然數(shù)，是Web服務(wù)類的序 號(hào)，i的最大值為所述WS集合中WS服務(wù)類的總數(shù)n ;
[0023] WSi= {wsn, wsi2，…，WS。, ? ? ?，wsu}，其中，每個(gè)ws 代表該 的一個(gè) Web 服務(wù)， 下標(biāo)j為自然數(shù)，是Web服務(wù)的序號(hào)，j的最大值為WSi* Web服務(wù)的總數(shù)1 ;
[0024] A02、設(shè)Web服務(wù)的所有QoS屬性組成集合P = {Pl，p2, . . .，pk，. . .，pj，其中，p為 各個(gè)QoS屬性，下標(biāo)k為自然數(shù)，是Web服務(wù)QoS屬性的序號(hào)，k的最大值為集合P中QoS屬 性的總數(shù)r ;
[0025] A03、對(duì)每個(gè)wSij在QoS屬性p k上執(zhí)行取值的歸一化處理：
[0026] 若pk為正向?qū)傩裕子霉剑?br>
【權(quán)利要求】
1. 一種基于信息熵和方差的服務(wù)選擇方法，其特征在于，包括： A、 基于信息j：商理論對(duì)每個(gè)候選Web服務(wù)的N個(gè)QoS屬性歷史記錄進(jìn)行建模，求出每個(gè) 候選Web服務(wù)的信息熵值；其中，N為整數(shù)； B、 根據(jù)信息熵值的大小篩選符合條件的Web服務(wù)； C、 基于方差理論對(duì)篩選出的Web服務(wù)計(jì)算方差值，并根據(jù)方差值的大小篩選出符合條 件的Web服務(wù)； D、 利用混合整數(shù)規(guī)劃模型從步驟C篩選出的Web服務(wù)中求出最優(yōu)的服務(wù)組合。
2. 根據(jù)權(quán)利要求1所述方法，其特征在于，在所述A之前進(jìn)一步包括： A0、對(duì)每個(gè)候選Web服務(wù)的N個(gè)QoS屬性歷史記錄中的QoS屬性進(jìn)行數(shù)據(jù)歸一化處理， 將每個(gè)候選Web服務(wù)在各個(gè)QoS屬性上的取值轉(zhuǎn)化為[0，1]區(qū)間的數(shù)值。
3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述AO包括： AO1、設(shè)置所有候選的Web服務(wù)類組成Web服務(wù)類集合WS= (WS1,WS2, ...，WSi,...，W SnI; 其中，集合中的每個(gè)WS代表一個(gè)Web服務(wù)類，下標(biāo)i為自然數(shù)，是Web服務(wù)類的序號(hào)，i的最大值為所述WS集合中WS服務(wù)類的總數(shù)η; WSi={wsn,WSi2,…，WSij,…，WSiJ，其中，每個(gè)WS代表該WSiIf的一個(gè)Web服務(wù)，下 標(biāo)j為自然數(shù)，是Web服務(wù)的序號(hào)，j的最大值為WSi*Web服務(wù)的總數(shù)1 ; A02、設(shè)Web服務(wù)的所有QoS屬性組成集合P= {Pl，p2,. . .，pk，. . .，pj，其中，p為各個(gè)QoS屬性，下標(biāo)k為自然數(shù)，是Web服務(wù)QoS屬性的序號(hào)，k的最大值為集合P中QoS屬性的 總數(shù)r; A03、對(duì)每個(gè)Wsij在QoS屬性pk上執(zhí)行取值的歸一化處理： 若Pk為正向?qū)傩?，采用公式?br> 丸行歸一化處理； 若Pk為負(fù)向?qū)傩?，采用公式?br> 汍行歸一化處理； 其中，ak(WSij)為WSij在QoS屬性pk上的取值； Qk(Wsij)為WSij在QoS屬性pk上的歸一化的QoS屬性值； (3廣(>1?;;/)和 <""(14^)分別為{ak(wsn)，ak(wsi2)，…，Bk(WSil)I中的最大值和最小 值。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于： 每個(gè)Web服務(wù)類提供一種類型的Web服務(wù)，同一Web服務(wù)類中各個(gè)Web服務(wù)的QoS屬 性各不相同。
5. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述A包括： A1、設(shè)每個(gè)候選Web服務(wù)的QoS歷史記錄組成離散隨機(jī)變量X= (X1,X2,...，X。，...，xj，其中，每個(gè)X代表候選Web服務(wù)的一個(gè)QoS歷史記錄，每個(gè)QoS歷史 記錄為一個(gè)多屬性向量，下標(biāo)〇為自然數(shù)，是候選Web服務(wù)QoS歷史記錄的序號(hào)，〇的最大 值為所述隨機(jī)變量中QoS歷史記錄的總數(shù)t; A2、計(jì)算每個(gè)QoS歷史記錄的QoS效用值，得到實(shí)數(shù)形式的X= {x^jX2J...jX〇J,X^-}; A3、根據(jù)實(shí)數(shù)形式的X=U1,x2,. . .，X。，. . .，xt}，將[0, 1]區(qū)間等分為100份， 分別統(tǒng)計(jì)各個(gè)區(qū)間中QoS歷史記錄的個(gè)數(shù)，求出各區(qū)間的概率大小，并采用公式 t "(I)二)計(jì)算每個(gè)候選Web服務(wù)的信息熵值，其中，H⑴為求出的候 I >t* -JL · Λ. ?ti ji-? I 選Web服務(wù)的信息熵值，x為各個(gè)區(qū)間的平均值，p(x)為各個(gè)區(qū)間的概率大小。
6. 根據(jù)權(quán)利要求5所述的方法，其特征在于，所述A2包括： > 七h(yuǎn): _hok 采用QoS效應(yīng)函數(shù)公式^ = ~·咚執(zhí)行映射處理，將X= A-=i%,k~Kk Ix1,x2,...，X。，...，xt}中的各個(gè)多屬性向量分別映射為相應(yīng)的實(shí)數(shù)；其中：l\k為wsi」在pk上的第〇個(gè)QoS歷史記錄值； X。為映射完成后的QoS歷史記錄值； 和分別為ihu，h2，k，. . .，h。，,，. . .，ht，k}中的最大值和最小值； ?k為第k個(gè)QoS屬性的用戶權(quán)重。
7. 根據(jù)權(quán)利要求5或6所述的方法，其特征在于： 所述B包括：根據(jù)信息熵值的大小對(duì)Web服務(wù)進(jìn)行排序，將信息熵值最小的前percent1個(gè)Web服務(wù)保留，并過(guò)濾其他的Web服務(wù)； 其中，percentl為預(yù)設(shè)的篩選Web服務(wù)的比例，根據(jù)percentl和候選Web服務(wù)的個(gè)數(shù) 計(jì)算需要保留的Web服務(wù)的個(gè)數(shù)；或者percentl為預(yù)設(shè)的整數(shù)。
8. 根據(jù)權(quán)利要求7所述的方法，其特征在于，所述C包括： C1、根據(jù)實(shí)數(shù)形式的X= (X1, X2,. . .，X。，. . .，xt}，將[0, 1]區(qū)間等分為100份， 分別統(tǒng)計(jì)各個(gè)區(qū)間中QoS歷史記錄的個(gè)數(shù)，求出各區(qū)間的概率大小，并采用公式
計(jì)算步驟B篩選出的每個(gè)Web服務(wù)的方差值； 其中，D(X)為求出的候選Web服務(wù)的方差值； E(X)為隨機(jī)變量X的均值； X。為各個(gè)區(qū)間的平均值； P(X。）為各個(gè)區(qū)間的概率大?。? C2、根據(jù)方差值的大小對(duì)步驟B篩選出的Web服務(wù)進(jìn)行排序，將方差值最小的前 percent1個(gè)Web服務(wù)保留，并過(guò)濾其他的Web服務(wù)； 其中，percent2為預(yù)設(shè)的篩選Web服務(wù)的比例，根據(jù)percent2和步驟B篩選出的Web服務(wù)的個(gè)數(shù)計(jì)算需要保留的Web服務(wù)的個(gè)數(shù)；或者percent〗為預(yù)設(shè)的整數(shù)。
9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述D包括： D1、設(shè)用戶的全局QoS約束條件組成集合C=IC1,C2,. . .，Cs，. . .，CJ，其中，C為各個(gè)QoS屬性，下標(biāo)s為自然數(shù)，是Web服務(wù)QoS屬性的序號(hào)，s的最大值為集合C中全局QoS約 束條件的總數(shù)m; D2、基于篩選出的Web服務(wù)，利用如下混合整數(shù)規(guī)劃模型進(jìn)行計(jì)算：
其中，Qk(Wsij)為Wsij在pk上的取值，是對(duì)應(yīng)候選Web服務(wù)各個(gè)歷史記錄的平均值；ΚΙ%.)和fOA)為第i個(gè)Web服務(wù)類中最大的和最小的qk(WSiJ); 和<0廣為η個(gè)服務(wù)類的W(WA)和?WS,)之和； \。.為二元決策變量，代表候選Web服務(wù)是否被選中，候選Web服務(wù)選中置為1，否則置 為〇 ; η為Web服務(wù)類的總數(shù)；j為Web服務(wù)類最終的候選服務(wù)總數(shù)； r為候選Web服務(wù)QoS屬性的總數(shù)； Cm為第m個(gè)約束條件； ?k為第k個(gè)QoS屬性的用戶權(quán)重； 計(jì)算出所述混合整數(shù)規(guī)劃模型的最大值，得到最優(yōu)的Web服務(wù)組合。
【文檔編號(hào)】H04L29/08GK104468728SQ201410641813
【公開日】2015年3月25日 申請(qǐng)日期:2014年11月6日 優(yōu)先權(quán)日:2014年11月6日
【發(fā)明者】王尚廣, 孫磊, 周傲, 馬友, 孫其博, 李靜林, 劉志晗, 楊放春 申請(qǐng)人:北京郵電大學(xué)