[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

摘要

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。

主权项

1.一种面向服务组合的约束强度感知的QoS约束分解方法，其特征在于：/n(1)面向服务组合的约束强度感知的QoS约束分解模型；/n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：/n目标：/n /n约束条件：/n /nxq_ir∈[min(QoS(s_ij,q_r)),max(QoS(s_ij,q_r))],i∈[1,n] ③/n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；/n式②用于自应用用户的约束强度，其中，QoS(cs^*,q_r)表示当任务t_i的第r个QoS取值为xq_ir时，整个工作流的第r个QoS的聚合值，γ_r为引入的松弛因子，当约束强度较强时，γ_r应取大于0的值以多保留一些候选服务，提高寻找组合方案的成功率；当较弱时，γ_r可为0或小于0的值，以保障全局约束或多淘汰一些候选服务，降低解空间；/n式③用于约定xq_ir的取值范围，其中min(QoS(s_ij,q_r))、max(QoS(s_ij,q_r))分别表示任务t_i的所有候选服务中，属性q_r的最小值与最大值；/n(2)约束强度定义；/n假设存在组合服务cs^#＝{s₁^#,s₁^#,…,s_n^#}，则用户对q_r的约束强度ω_r(r＝1,2,…,u)由公式④确定；/n /n其中QoS(cs^#,q_r)表示cs^#的第r种QoS的聚合值；/n(3)基于模糊推理的松弛因子自适应调节方法；/n松弛因子的取值，主要受到任务个数、约束个数、约束强度等因素的影响，由于约束个数通常较少，可以分别针对每种约束个数的情形，确定松弛因子的取值，即对于给定的约束个数，分别设计出任务个数、约束强度及松弛因子的论域、模糊子集与隶属函数，并设计出任务个数、约束强度及松弛因子之间的推理规则，从而确定出松弛因子的投影曲面。/n