WEB服务组合中信任增强的成员服务选择方法.pdf

一种Web服务组合中信任增强的成员服务选择方法，对于组合服务执行路径的选择进行优化，优化参数包括；信任度、响应时间以及费用；以用户对于组合服务的请求作为输入，计算机在接收到请求以后开始执行；在执行过程中完成成员服务的选择过程，该过程包括：组合服务实例管理器创建并管理组合服务实例；组合服务实例按照组合服务的定义开始执行；在执行开始阶段，调用成员服务选择器按照选择问题的数学模型，并选择合适的成员服务；选择完毕以后，在组合服务实例的执行过程中调用外界成员服务；可以很好地解决服务组合中信任增强的成员服务选择问题，将信任概念和信任度引入到服务组合中，同时对于组合服务执行路径的选择进行优化。具有较好的寻优效果。

1、  一种Web服务组合中信任增强的成员服务选择方法，对于组合服务执行路径的选择进行优化，所优化的内容包括；信任度、响应时间以及费用；其特征在于：
以用户对于组合服务的请求作为输入，计算机在接收到请求以后开始执行；
在执行过程中完成组合服务中成员服务的选择过程，该过程包括：
组合服务实例管理器创建并管理组合服务实例；
组合服务实例按照组合服务的定义开始执行；在执行开始阶段，调用成员服务选择器按照选择问题的数学模型，并选择合适的成员服务；选择完毕以后，在组合服务实例的执行过程中调用外界成员服务；
所述的成员服务选择器选择成员服务包括：选择问题的模型建立和基于蚁群系统的成员服务选择。

2、  根据权利要求1所述的Web服务组合中信任增强的成员服务选择方法，其特征在于：所述的选择问题的模型建立中求取组合服务信任度的方法为，
f＝tr₀*((1-p₁₂)*((p₁*tr₁*(p₂*tr₂*tr₃+p₉*tr₉)*tr₄+
p₁₀*tr₁₀*tr₁₁)*tr₅*tr₆)+p₁₂*(tr₁₂*tr₁₃*tr₁₅*(p₁₄*tr₁₄+
p₁₆*tr₁₆*tr₁₇+p₁₉*tr₁₉)*tr₁₈))*tr₇*tr₈
其中p_i为成员服务本体i的转移概率，通过组合服务执行历史信息统计获得；tr_i为成员服务本体i的信任度。

3、  根据权利要求1所述的Web服务组合中信任增强的成员服务选择方法，其特征在于：所述的基于蚁群系统的成员服务选择方法的具体步骤如下：
(1)参数初始化：设循环次数N_s＝0，设置最大循环次数将M只蚂蚁至于起始服务上，初始化信息素初值τ_ij(0)，Δτ_ij(t)＝0；
(2)N_s←N_s+1；
(3)蚂蚁数目k←k+1；
(4)依据禁忌表更新规则更新禁忌表；
(5)依据状态转移规则选定下一个服务；
(6)若有服务未搜索到，转至[4]，否则转至[7]；
(7)依据信息素局部更新规则更新信息素；
对调度问题的数学模型中多个优化目标进行归一化处理，定义为有向图中两个节点之间的距离；
(8)若k≤M，清空禁忌表，转至[3]，否则转至[9]；
(9)依据信息素全局更新规则更新信息素；
(10)若Ns≤Nsmax,]]>转至[2]，否则结束。

4、  根据权利要求3所述的Web服务组合中信任增强的成员服务选择方法，其特征在于：所述的更新遵循以下规则：
规则一：如果成员服务s加入禁忌表；
规则二：与s同属于一个服务本体的其他具体服务加入禁忌表；
规则三：从s出发不存在一条可达的执行路径的具体服务加入禁忌表，从而消除死节点。

5、  根据权利要求3所述的Web服务组合中信任增强的成员服务选择方法，其特征在于：所述的状态转移规则为：
位于节点i的蚂蚁依据下列规则来选择节点j：
如果q≤Q₀，有

否则，有

其中q⋐[0,1]]]>之间的随机数，Q0⋐[0,1]]]>之间的常数，ρ_ij(t)为转移条件，τ_ij(t)为t时刻的信息素，ηij=1dij]]>为启发函数，α为信息启发式因子，β为期望启发式因子，allowed＝{S-tabu}，S为组合服务中所包含的所有具体服务的集合，tabu为蚂蚁搜索过程所产生的禁忌表，n为allowed中包含的具体服务的数量。

6、  根据权利要求3所述的Web服务组合中信任增强的成员服务选择方法，其特征在于：所述的依据信息素全局更新规则更新信息素；在蚁群完成一次迭代时，信息素采用如下更新规则：
τ_ij(t+N*M)＝(1-R)*τ_ij(t)+R*Δτ_ij(t)
其中Δτij(t)=Σk=0M-1Δτijk(t)]]>

N为组合服务中具体服务的个数，M为蚂蚁的个数，R为信息挥发系数且R⋐[0,1),]]>L_k表示第k只蚂蚁在本次迭代中所经过执行路径的总长度。

Web服务组合中信任增强的成员服务选择方法
技术领域
本发明涉及服务计算领域，特别涉及一种Web服务组合中的成员服务选择方法。
背景技术
服务(Web服务或者网格服务)组合研究如何把服务组合成为一个更大粒度的服务，以供进一步的组合或者直接供上层应用和用户使用。在Web或者网格中存在大量的功能特性相同，非功能特性各异的服务，这样的一类服务称为服务本体。为提高服务组合的适应性，在定义组合服务时并不是直接绑定到具体服务，而是指明一个服务本体；在组合服务执行时，由服务组合的执行部件(如网格服务组合执行引擎)实现由服务本体到具体服务的绑定。在服务组合执行部件实现从服务本体到具体服务的绑定时，需要一种实现调度和绑定的依据，这种依据只能来自服务的信任度、服务质量等非功能特性。目前，国内外有关成员服务选择的大多数技术方案都是基于服务质量作为成员服务选择的依据。
在大多数服务质量感知的成员服务选择方案中，考虑了包含顺序、并发、选择、循环等四种控制结构的服务组合模型，建立了费用、响应时间、信誉、可用性等服务质量参数的参数体系来评价组合服务的服务质量，采用不同的方法解决服务质量感知的服务组合选择问题。这些技术都没有考虑信任度在成员服务选择中所起的作用。
发明内容
本发明的目的在于，通过提供一种Web服务组合中信任增强的成员服务选择方法，把信任度引入到服务组合中成员服务选择中，作为成员服务选择的依据，发明了信任增强的成员服务选择方法。将信任概念和信任度引入到服务组合中，以解决信任增强的服务组合中成员服务的优化选择问题，而且同时对于组合服务执行路径的选择进行优化。
本发明是采用以下技术手段实现的：
一种Web服务组合中信任增强的成员服务选择方法，对于组合服务执行路径的选择进行优化，所优化的内容包括；信任度、响应时间以及费用；以用户对于组合服务的请求作为输入，计算机在接收到请求以后开始执行；
在执行过程中完成组合服务中成员服务的选择过程，该过程包括：
组合服务实例管理器创建并管理组合服务实例；
组合服务实例按照组合服务的定义开始执行；在执行开始阶段，调用成员服务选择器按照选择问题的数学模型，并选择合适的成员服务；选择完毕以后，在组合服务实例的执行过程中调用外界成员服务；
所述的成员服务选择器选择成员服务包括：选择问题的模型建立和基于蚁群系统的成员服务选择。
前述的选择问题的模型建立应用图2所示组合服务，求取组合服务信任度的方法为，
f＝tr₀*((1-p₁₂)*((p₁*tr₁*(p₂*tr₂*tr₃+p₉*tr₉)*tr₄+
p₁₀*tr₁₀*tr₁₁)*tr₅*tr₆)+p₁₂*(tr₁₂*tr₁₃*tr₁₅*(p₁₄*tr₁₄+
p₁₆*tr₁₆*tr₁₇+p₁₉*tr₁₉)*tr₁₈))*tr₇*tr₈
其中p_i为成员服务本体i的转移概率，通过组合服务执行历史信息统计获得；tr_i为成员服务本体i的信任度。
前述的基于蚁群系统的成员服务选择方法的具体步骤如下：
(1)参数初始化：设循环次数N_s＝0，设置最大循环次数将M只蚂蚁至于起始服务上，初始化信息素初值τ_ij(0)，Δτ_ij(t)＝0；
(2)N_s←N_s+1；
(3)蚂蚁数目k←k+1；
(4)依据禁忌表更新规则更新禁忌表；
(5)依据状态转移规则选定下一个服务；
(6)若有服务未搜索到，转至[4]，否则转至[7]；
(7)依据信息素局部更新规则更新信息素；
对调度问题的数学模型中多个优化目标进行归一化处理，定义为有向图中两个节点之间的距离；
(8)若k≤M，清空禁忌表，转至[3]，否则转至[9]；
(9)依据信息素全局更新规则更新信息素；
(10)若Ns≤Nsmax,]]>转至[2]，否则结束。
前述的更新遵循以下规则：
规则一：成员服务s加入禁忌表。
规则二：与s同属于一个服务本体的其他具体服务加入禁忌表。
规则三：从s出发不存在一条可达的执行路径的具体服务加入禁忌表，从而消除死节点。
前述的状态转移规则为：
位于节点i的蚂蚁依据下列规则来选择节点j：
如果q≤Q₀，有

否则，有

其中q⋐[0,1]]]>之间的随机数，Q0⋐[0,1]]]>之间的常数， ρ_ij(t)为转移条件，τ_ij(t)为t时刻的信息素，nij=1dij]]>为启发函数，α为信息启发式因子，β为期望启发式因子，allowed＝{S-tabu}，S为组合服务中所包含的所有具体服务的集合，tabu为蚂蚁搜索过程所产生的禁忌表，n为allowed中包含的具体服务的数量。
前述的依据信息素全局更新规则更新信息素；在蚁群完成一次迭代时，信息素采用如下更新规则：
τ_ij(t+N*M)＝(1-R)*τ_ij(t)+R*Δτ_ij(t)
其中Δτij(t)=Σk=0M-1Δτijk(t)]]>

N为组合服务中具体服务的个数，M为蚂蚁的个数，R为信息挥发系数且R⋐[0,1),]]>L_k表示第k只蚂蚁在本次迭代中所经过执行路径的总长度；
若Ns≤Nsmax,]]>转至[2]，否则结束。
本发明一种Web服务组合中信任增强的成员服务选择方法，与现有技术相比，具有以下明显的优势和有益效果：
本发明可以很好地解决服务组合中信任增强的成员服务选择问题，把信任度引入到服务组合中成员服务选择中，将信任概念和信任度引入到服务组合中，以解决信任增强的服务组合中成员服务的优化选择问题，而且同时对于组合服务执行路径的选择进行优化。具有较好的寻优效果。
附图说明
图1：本发明的系统框图；
图2：本发明组合服务例子的示意图；
图3：本发明带有具体服务的组合服务例子示意图。
具体实施方式
以下结合具体实施例对本发明进行进一步说明。
本发明中计算机为奔腾2以上CPU，10G以上硬盘，具有一般计算能力的普通台式微机。
在本发明中的信任度：代表成员服务和组合服务的信任程度，对于成员服务来说，信任度采用执行成功率来计算；对于组合服务来说，信任度采用基于结构分析的方法计算。一般情况下，信任度越高，表示服务越优质。
在本发明中的响应时间：代表成员服务和组合服务执行一次所花费的时间，对于成员服务来说，响应时间采用执行结束时间和执行开始时间的差值来计算；对于组合服务来说，响应时间采用基于结构分析的方法计算。一般情况下，响应时间越小，表示服务越优质。
在本发明中的花费：代表成员服务和组合服务执行一次的费用，对于成员服务来说，花费由服务提供者制定；对于组合服务来说，花费采用基于结构分析的方法计算。一般情况下，花费越小，表示服务越优质。
在Web服务和网格计算的应用场景中，组合服务的执行代价主要取决于其成员服务的执行代价，故组合服务的信任度和服务质量决定于其所包含多个成员服务的信任度和服务质量这个假设是合理的。
通过信任度的估算算法和费用、响应时间的估算算法可以得出组合服务的信任度、费用、响应时间与成员服务本体的信任度、费用、响应时间之间的函数关系分别为f(tr₁，...，tr_i，...，tr_n)、g(c₁，...，c_i，..，c_n)和(假定组合服务包含n个成员服务本体)，其中tr_i为第i个成员服务的信任度指标值，c_i为第i个成员服务的费用指标值，ti_i为第i个成员服务的响应时间指标值。其中信任度为正效应参数，而费用和响应时间为负效应参数，并分别满足一定的约束，如f＞Tr，其中Tr，C，Ti分别为信任度、费用和响应时间的常数。由此可以得出信任增强的服务组合调度问题的数学模型为以下优化问题：
目标：

限制条件：

本发明的技术方案如图1所示。该方案以用户对于组合服务的请求作为输入，计算机在接收到请求以后开始执行，在执行过程中完成组合服务中成员服务的选择过程。其方法步骤为：首先，组合服务实例管理管理器创建并管理组合服务实例；然后组合服务实例按照组合服务的定义开始执行；在执行开始阶段，调用成员服务选择器按照选择问题的数学模型，并选择合适的成员服务；选择完毕以后，在组合服务实例的执行过程中调用外界成员服务。本发明的特征在于成员服务选择器选择成员服务的方法和过程，其方法步骤如下：
1、选择问题的模型建立
对于如图2所示的组合服务，包含了20个成员服务本体，应用求取组合服务信任度的估算算法，可以得到：
f＝tr₀*((1-p₁₂)*((p₁*tr₁*(p₂*tr₂*tr₃+p₉*tr₉)*tr₄+
p₁₀*tr₁₀*tr₁₁)*tr₅*tr₆)+p₁₂*(tr₁₂*tr₁₃*tr₁₅*(p₁₄*tr₁₄+
p₁₆*tr₁₆*tr₁₇+p₁₉*tr₁₉)*tr₁₈))*tr₇*tr₈
其中p_i为成员服务本体i的转移概率，可以通过组合服务执行历史信息统计获得；tr_i为成员服务本体i的信任度。
图2所示的组合服务仅仅包含服务本体，而没有包含具体服务，因而仅仅是一个抽象的组合服务的定义，而组合服务的执行需要具体服务的参与。图3增加了具体服务，每一个具体服务都隶属于某一个服务本体。不失一般性，为叙述方便，假定每一个服务本体包含了10个具体服务，即图3中包含了20个服务本体和200个具体服务，对200个具体服务进行了编号，如服务本体0的10个具体服务的编号为{0-9}，而服务本体15的10个具体服务的编号为{150-159}，图中方块表示具体服务。
组合服务在执行时状态转移发生在具体服务之间，而不是服务本体之间，但是具体服务之间的状态转移需要服从服务本体之间的执行约束。从起始具体服务，经历一系列中间具体服务，最终达到终止具体服务，称为一条执行路径，0→100→110→50→60→70→80就是一条执行路径，如图3中粗虚线所示。
信任增强的成员服务选择问题为在组合服务的有向图表示(如图2)中寻找一条最优执行路径的问题。
2、成员服务选择方法
成员服务选择方法的具体步骤如下：
(8)参数初始化：设置信息素的初始化值；
(9)依据禁忌表更新规则更新禁忌表；
禁忌表在选定下一个具体服务s时更新，在更新时遵循以下3条规则：
规则一：s加入禁忌表。
规则二：与s同属于一个服务本体的其他具体服务加入禁忌表。
规则三：从s出发不存在一条可达的执行路径的具体服务加入禁忌表，从而消除死节点。
(10)依据状态转移规则选定下一个服务；
状态转移规则如下：
位于节点i的蚂蚁依据下列规则来选择节点j：
如果q≤Q₀，有

否则，有

其中q⋐[0,1]]]>之间的随机数，Q0⋐[0,1]]]>之间的常数，ρ_ij(t)为转移条件，τ_ij(t)为t时刻的信息素，nij=1dij]]>为启发函数，α为信息启发式因子，β为期望启发式因子，allowed＝{S-tabu}，S为组合服务中所包含的所有具体服务的集合，tabu为蚂蚁搜索过程所产生的禁忌表，n为allowed中包含的具体服务的数量。
(4)若有服务未搜索到，转至[2]，否则转至[5]；
(5)依据信息素局部更新规则更新信息素；
(6)定义为两个节点之间的距离为

其中d_ij为节点i和节点j之间的距离，tr_i为第i个成员服务的信任度指标值，c_i为第i个成员服务的费用指标值，ti_i为第i个成员服务的响应时间指标值，Tr，C，Ti分别为信任度、费用和响应时间的常数。具有N个具体服务的组合服务模型中信息素的初始值τ_ij(0)定义为
τij(0)=10.5*N*Σi=0N-1Σj=0N-1dij/N2=2NΣi=0N-1Σj=0N-1dij]]>
(11)依据信息素全局更新规则更新信息素；
在蚁群完成一次迭代时，信息素采用如下的全局更新规则：
τ_ij(t+N*M)＝(1-R)*τ_ij(t)+R*Δτ_ij(t)
其中Δτij(t)=Σk=0M-1Δτijk(t)]]>

N为组合服务中具体服务的个数，M为蚂蚁的个数，R为信息挥发系数且Q0⋐[0,1),]]>L_k表示第k只蚂蚁在本次迭代中所经过执行路径的总长度。
在本发明中的具体实施方案为：
状态转移规则中信息启发式因子α＝1，期望启发式因子β＝2，信息素更新规则中信息挥发系数为R＝0.1，蚂蚁数量M＝10，最大循环次数Nsmax=10,]]>Tr＝0.6，C＝300，Ti＝100。
在实验数据上，除具体服务{0，100，110，50，60，70，80}设置一组最优参数(即服务的信任度、费用和响应时间比随机生成的数据小一个数量级)，其余193个具体服务的信任度、费用和响应时间值均随机生成。
本实施例的实验效果显著，可以有效地选择优质的服务加入到服务组合中。具体实验效果数据如下：
分别进行了三组实验，Q₀的取值分别为0.8，0.9和1.0，实验结果如下。
表1                10只蚂蚁循环执行10次的寻优结果