基于T-QoS感知的服務(wù)組合優(yōu)化研究.pdf

1、隨著用戶要求的日益增多，單一的服務(wù)已經(jīng)無法滿足用戶的復(fù)雜要求，服務(wù)組合技術(shù)將現(xiàn)有的分布式的服務(wù)，組合成滿足用戶要求的復(fù)合服務(wù)。然而如何從大量功能相同而質(zhì)量不同的服務(wù)中構(gòu)造出既滿足用戶要求又具有全局最優(yōu)質(zhì)量的復(fù)合服務(wù)，是一個亟待解決的問題。但是，現(xiàn)有的研究成果仍存在以下不足：
　　1）針對服務(wù)組合中每個原子服務(wù)的選取,只考慮服務(wù)的質(zhì)量，卻沒有考慮服務(wù)的可信度，導(dǎo)致在實際執(zhí)行時因為惡意服務(wù)實體的存在，使得復(fù)合服務(wù)執(zhí)行失敗。
　　

2、2）現(xiàn)有研究大多以用戶角度出發(fā)，研究服務(wù)的可信度并根據(jù)可信度決定是否選擇此服務(wù)，從而保護用戶的利益。但是，卻忽略了用戶對服務(wù)存在的威脅。
　　3）傳統(tǒng)服務(wù)組合算法未能深入解決陷入局部最優(yōu)這一問題，致使最終服務(wù)組合路徑不是最優(yōu)期望值。
　　針對以上不足，本文提出基于T-QoS感知的服務(wù)組合優(yōu)化算法。所做工作和創(chuàng)新點如下：
　　首先，提出一種基于評價可信度的動態(tài)信任評估模型。該模型將服務(wù)提供商的服務(wù)能力和用戶所需求的服務(wù)能

3、力分別劃分等級，有效解決了服務(wù)提供商服務(wù)能力動態(tài)變化對模型存在的潛在破壞問題。建立了信任度隨時間窗變化的動態(tài)信任機制，在計算信譽度時，將用戶的評價可信度作為其評價證據(jù)的可信權(quán)重，通過引入評價可信度和評價相似度提高了計算推薦行為可信度的準(zhǔn)確率。仿真結(jié)果表明，該模型的評估結(jié)果更加貼近服務(wù)提供商的真實信任度，同時能有效抵御惡意用戶的攻擊。
　　其次，提出一種基于改進AdaBoost算法的用戶風(fēng)險預(yù)測模型。本文將用戶風(fēng)險預(yù)測看作一個兩類分

4、類的問題，通過歷史用戶的屬性信息預(yù)測出新用戶有無風(fēng)險性。為了進行精確的分類，本文采用Adaboost集成算法，此算法通過上一次訓(xùn)練的錯誤率來調(diào)整下一次訓(xùn)練的樣本分布,使得下一次訓(xùn)練對于這些錯分的樣本有更強的鑒別能力,并且給定每個弱分類器一個權(quán)值.最后,通過加權(quán)投票的方式得到最后的強分類器，從而提高整體的分類效果?？紤]到錯分代價的存在，對AdaBoost算法進行改進，引入代價敏感方法，將代價敏感矩陣考慮到分類器的構(gòu)造當(dāng)中從而產(chǎn)生最小代價的

5、分類器。實驗結(jié)果表明，本文提出的基于代價敏感的AdaBoost方法比傳統(tǒng)分類器有更好的效果，從而有效預(yù)測一個新增用戶是否存在風(fēng)險，有效保障服務(wù)的安全。
　　最后，提出一種基于T-QoS感知的并行蟻群算法，將服務(wù)的可信度作為服務(wù)質(zhì)量的權(quán)重，得到每個服務(wù)的可信質(zhì)量T-QoS，使得服務(wù)組合能夠在可信的環(huán)境中進行。通過建立基于每個服務(wù)的T-QoS初始化信息素矩陣，從而減少了蟻群的初始搜索時間。通過修改信息素的更新規(guī)則，并引入兩個群體從不同