[发明专利]一种面向服务组合的约束强度感知的QoS约束分解方法

说明书

本发明提供一种面向服务组合的约束强度感知的全局QoS约束分解方法。本发明通过定义用户约束强度的度量方法，设计基于模糊推理规则的松弛因子自适应调节方法，构建了一种面向服务组合的约束强度感知的QoS约束分解模型。使用该模型，在约束分解阶段，当用户约束强度较弱时，可以有效淘汰每个任务的候选服务，以降低采用全局优选方法时解空间的大小；当用户约束强度较强时，可为每个任务保留一定的候选服务个数，以提高在服务组合时能够寻找到可行组合方案的概率。

技术领域

本发明涉及服务组合优化领域，尤其涉及一种面向服务组合的约束强度感知的全局QoS约束分解方法，可用于求解QoS感知的服务组合优化问题。

背景技术

QoS(服务质量)感知的服务组合问题是学术研究的热点，其目的是根据服务的QoS高效地选择满足用户全局约束及用户偏好的组合服务。

现有的QoS感知的服务组合方法可以分为三类：局部优选策略、全局优选策略及基于全局QoS约束分解策略。局部优选策略不容易满足用户的全局QoS约束；全局优选策略往往需要较高的时间复杂度；基于全局QoS约束分解策略的服务组合方法将服务组合过程分为约束分解与服务优选两个部分，更具灵活性。

现有的全局QoS约束分解模型可以分为三类：基于经验公式的约束分解模型，这类模型适应性较差；保障全局QoS约束的分解模型，这类模型在服务优选阶段不必须考虑全局QoS约束，因而可以采用局部优选方法以提升效率，但会丢失部分可行解，在用户约束强度较高时，容易找不到可行组合方案；保证不丢失可行解的分解模型，这类模型不能保障全局约束，而且在用户约束强度较低时，其淘汰候选服务和降低解搜索空间的效率较差。

本发明旨在现有的保障全局QoS约束分解模型的基础上，通过引入松弛因子，提升模型对用户约束强度的自适应能力。即：当用户约束强度较强时，可以降低丢失可行解的概率，从而提升能够寻找到可行组合方案的概率；当用户约束强度较低时，可以更有效的淘汰候选服务，降低搜索空间。

发明内容

本发明面向QoS感知的服务组合优选问题，提出了一种具有约束强度自适应性的全局QoS约束分解模型。主要涉及如下几个方面的内容：

(1)面向服务组合的约束强度自适应的全局QoS约束分解模型。

考虑一个包含n个任务T＝{t₁,t₂,…,t_n}的工作流，任务t_i有m_i个候选服务。设用户对q₁,q₂,…,q_u等u种QoS属性提出上限约束cq＝{cq₁,cq₂,…,cq_u}，并设定它们都是减益性属性(增益性属性可以通过乘以-1转化为减益性属性)。约束分解后对任务t_i的第j种QoS的上限约束为xq_ij。构建全局QoS的约束分解模型如下：

目标：

约束条件：

xq_ir∈[min(QoS(s_ij，q_r))，max(QoS(s_ij，q_r))]，i∈[1，n]   ③

式①描述模型的优化目标，即最大化所有任务的候选服务中满足上限约束为xq_ij的个数的乘积。其中，#{A}表示集合A中元素的个数；QoS(s，q_r)表示服务s的q_r属性的值。