[发明专利]一种基于前景理论的不确定QoS感知Web服务选择方法

权利要求书

1.一种基于前景理论的不确定QoS感知Web服务选择方法，其特征在于：首先根据用户对服务的QoS属性期望作为参照点，得到各服务的QoS属性相对于参照点的收益和损失，分别建立风险收益矩阵和风险损失矩阵；其次对于各服务的每一个QoS属性，考虑用户对收益和损失的风险态度以及用户对QoS属性值的取值概率大小的风险态度，根据前景理论分别计算得出各QoS属性的收益价值、损失价值、收益概率权重和损失概率权重，并得到每个服务的综合前景值；最后根据综合前景值的大小对服务进行排序，得到最优服务；

所述方法的具体步骤如下：

步骤1根据候选服务集合以及用户对服务QoS属性的期望，计算风险收益矩阵和风险损失矩阵；

记M＝{1,2,...,m}，N＝{1,2,...,n}，H＝{1,2,...,h}，设候选服务集合为S＝{s₁,s₂,...,s_i,...,s_m}(i∈M)，候选服务集合S中服务的QoS属性集合为A＝{a₁,a₂,....a_j,...,a_n}(j∈N)，A'和A”分别表示成本型属性集合和效益型属性集合，A'∈A，A”∈A，且A'∪A”＝A，用户对QoS属性的期望向量为R＝(r₁,r₂,...,r_j,...r_n)(j∈N)，F＝{f₁^j,f₂^j,...f_t^j,...,f_h^j}表示QoS属性a_j的取值状态集合，其中f_t^j表示QoS属性a_j的第t种状态，t∈H；

其中r_j＝(r_j¹,r_j²,...r_j^t,...r_j^h)为用户对服务s_i的QoS属性a_j的期望，r_j^t表示在第t种状态下用户对服务s_i的QoS属性a_j的期望取值，j∈N，t∈H；a_ij^t表示在第t种状态下服务s_i的QoS属性a_j的取值；以用户对服务s_i的QoS属性a_j的期望r_j作为参照点，得出各QoS属性a_j相对于参照点的收益和损失；

(a)当a_ij^t≥r_j^t时，则属性值a_ij^t相对于参照点r_j^t的收益G_ij^t为

损失L_ij^t为

(b)当a_ij^t＜r_j^t时，属性值a_ij^t相对于参照点r_j^t的收益G_ij^t为

损失L_ij^t为

依据上述收益G_ij^t和损失L_ij^t分别建立风险收益矩阵G_t＝[G_ij^t]_m×n和风险损失矩阵L_t＝[L_ij^t]_|m×n；

步骤2、根据步骤1建立的风险收益矩阵G_t和风险损失矩阵L_t，考虑用户对收益和损失的不同风险态度，分别计算每个服务中各QoS属性的前景值，构建前景决策矩阵并得到每个服务的综合前景值；

根据前景理论，计算服务s_i的QoS属性a_j的收益G_ij^t的价值V_ij^(+)t和损失L_ij^t的价值V_ij^(-)t

V_ij^(+)t＝(G_ij^t)^α

V_ij^(-)t＝-λ(-L_ij^t)^β

其中，α为用户的风险偏好系数，β为用户的风险厌恶系数，分别反映用户对收益和损失的不同风险态度，0＜α＜1，0＜β＜1；λ表示用户的损失规避程度，λ＞1；

计算在第t种状态下，服务s_i的QoS属性值的取值概率根据经验分布函数计算取值概率其中^*{a_ij¹,a_ij²,...a_ij^t}表示(a_ij¹,a_ij²,...a_ij^t)中不大于a_ij^t的个数；

计算服务s_i的QoS属性a_j的收益概率权重π_ij^(+)t和损失概率权重π_ij^(-)t

其中γ和δ分别反映用户对待收益风险和损失风险的态度，0＜γ＜1，0＜δ＜1；

计算服务s_i的属性a_j的前景值根据前景值V_ij构建前景决策矩阵V＝[V_ij]_m×n，得到规范化前景矩阵其中V_jmax＝max{|V_ij|}，依据简单加权原则以及服务属性权重ω_j，计算每个服务的综合前景值

步骤3根据综合前景值U_i的大小对所有的服务进行排序，U_i越大，服务s_i越好。