通过多目标多属性决策方法,解决基于服务质量(quality of service,QoS)的大规模Web服务选择和组合问题。不同于以往将多个QoS值赋权累加为单一值的方法,采用多属性决策方法,同时处理多个QoS属性,将每个解到正负理想点的距离转化为多目标优化问题。提出一种基于ε支配的多目标遗传算法来解决Web服务组合优化问题。计算结果为一组折中的帕累托最优解集,为用户提供多种选择方案。当用户所选择的服务运行失败时,用户可以从其他备选服务中进行选择。实验结果表明,所提出算法具有满意的收敛性、分布性和可扩展性,且算法复杂性优于流行算法NSGA-Ⅱ和SPEA2。
随着面向服务计算(Service-oriented Computing,SOC)的不断发展,基于服务质量(Quality of Service,QoS)的Web服务组合研究成为了必然趋势。鉴于QoS属性的多维性及相互矛盾性,提出将基于QoS的Web服务组合优化问题转化为多属性决策问题进行求解。采用折中系数对每个组合服务实例到正负理想点的距离进行累加求和,最终得到一组最优服务排序结果,用户可以根据自身偏好进行选择。传统的多属性决策方法无法有效地处理大规模的组合服务搜索空间,因此,为了有效地解决Web服务组合优化这一NP难题,提出一种结合多属性决策方法和自适应遗传算法的新型优化算法来解决该问题。实验采用真实的QoS综合服务数据集进行验证,实验结果表明,该方法能够在较短时间内找到全局近似最优解,且解集的排序结果接近于实际的最优服务排序。同时,该方法对于解决大规模的Web服务组合优化问题具有良好的可伸缩性。
