特定需求下的云服務評價與選擇研究.pdf

1、近年來互聯(lián)網(wǎng)技術的發(fā)展十分迅速且應用非常廣泛，這為云計算等新興技術的出現(xiàn)與發(fā)展起到了巨大的推動作用。由于一些世界大型互聯(lián)網(wǎng)公司的引領更加加速了云計算技術的發(fā)展，所以云計算服務的數(shù)量也在快速增加，那么用戶如何才能根據(jù)自己所在領域的特征選擇能夠滿足自己各種各樣需求并且高性價比的服務儼然已經(jīng)成為當前云計算領域的關鍵研究問題之一。
　　本文通過分析云服務評價和服務選擇研究現(xiàn)狀發(fā)現(xiàn)，現(xiàn)有云服務評價模型多數(shù)采用固定的QoS(服務質量)屬性權重

2、，這樣就主觀的認為各個屬性的權重值與各屬性實際值是沒有關系的，從而導致用戶選擇的服務有可能不滿足實際需要而導致服務故障或SLA(服務等級協(xié)議)違約。當前多數(shù)采用經(jīng)典的優(yōu)化算法進行服務組合的選擇計算，但這些經(jīng)典算法不經(jīng)過改進直接運用于云服務組合選擇是不能保證服務組合選擇的質量及效率的。為了解決上述出現(xiàn)的問題，本文針對云服務的QoS評價及服務組合選擇中的關鍵性問題進行了下列研究。
　　首先，對當前QoS評價模型進行分析總結，指出了常權

3、在評價之中的缺陷，從而依據(jù)變權理論提出了一種新的評價方式，有了變權理論基礎的支撐，再根據(jù)用戶當前的領域特征提出的對各個屬性的QoS要求而建立相應的變權向量，對每個服務的屬性權重進行了調整，不僅提高了綜合評價的準確性更能使評價結果貼近實際情況。
　　其次，分析總結傳統(tǒng)粒子群算法的不足之處，通過調節(jié)慣性權重和學習因子的取值方式以達到提高粒子群算法收斂速度的目的，為了能夠使改進算法的優(yōu)化效果更好，本文做了測試實驗對改進算法參數(shù)值進行確定