[发明专利]一种基于可信度筛选的Web服务组合方法

说明书

一种基于可信度筛选的Web服务组合方法，属于计算机网络服务领域。首先，根据Web服务的历史运行记录采用贝叶斯学习理论结合时间因素的方法对Web服务的QoS可信度进行计算，并依据可信度使用skyline理论对Web服务进行筛选，得到可信的Web服务作为服务组合过程的候选服务集合。然后，针对QoS属性构建多目标优化模型。最后，采用改进多目标粒子群算法对优化模型进行求解，得到满足用户需求的可信的组合方案。本发明QoS属性可信度值的计算实时可靠；利用skyline理论方法将被支配的候选服务筛选出去，更加符合用户的需求，并且得到的候选服务集合是可信的；采用改进多目标粒子群算法求解Web服务组合方案，在保证求解速度的同时，求解出更好的Web服务组合方案。

技术领域

本发明属于计算机网络服务领域，尤其涉及到一种基于可信度筛选的Web服务组合方法。

背景技术

Web服务是开放性、松散耦合、高度集成的综合性计算机软件，在社会生产和生活中应用十分广泛。然而，单一的Web服务功能有限，无法满足用户的多样化需求，同时为了最大程度上利用已有的资源，Web服务组合技术逐渐受到重视。所谓Web服务组合技术就是将不同功能的Web服务通过工作流组合成一个具有增值功能的新Web服务，而基于工作流的Web服务组合技术主要是在设计好的工作流的基础上，选择合适功能的Web服务(在服务组合过程中称为子任务)进行组合，取得最佳组合方案，由于该技术不需要过多的经验及复杂的工作流设计，受到了人们的广泛关注。

随着网络中Web服务数量的增多，出现了大量功能属性相同或相似但非功能属性不同的Web服务，因此，人们在选择Web服务时，不仅仅只是考虑功能属性，Web服务的非功能属性也越来越受到重视，而非功能属性中的服务质量(Quality of Service，QoS)是最受关注的内容之一，从而衍生出基于QoS的Web服务组合技术。该技术主要根据QoS的属性值选择合适的Web服务进行组合，使得组合后的Web服务满足用户的QoS需求。然而，有时候人们获得的Web服务的QoS属性值不一定是可靠的，其原因在于：一方面网络环境是动态变化的，Web服务的QoS属性值可能发生变化；另一方面Web服务的发布者可能发布与实际值不符的QoS属性值。这种情况会导致最终组合的Web服务的QoS属性不如预期，甚至无法满足用户的需求。因此，对QoS的可信度进行研究具有重要的意义。

经过对现有技术的文献检索发现，发明名称“一种基于QoS的可信Web服务组合优化方法”(公开号为CN107070704A，公开日为2017.08.18)提出了一种计算可信QoS指标的方法，该方法首先从主观和客观方面计算QoS的可信度，并将其与QoS指标相乘，得到可信QoS。但这种方法的不足之处在于：一方面可信度低的Web服务可能导致组合后的Web服务难以达到预期的QoS属性值，另一方面也与用户更倾向于选择可信度高的Web服务的行为不一致。因此，本发明提出一种基于可信度筛选的Web服务组合方法，采用贝叶斯学习理论结合时间因素计算QoS的可信度，并根据skyline理论将可信度低的Web服务删除，得到可信的Web服务作为组合过程中子任务的候选服务集合。相比可信度与QoS结合的方法，本发明提出的方法对于构建可信的组合服务更加可靠，也更容易满足用户的需求。

发明内容

为解决以上问题，本发明提出一种基于可信度筛选的Web服务组合方法用于求解可信的Web服务组合方案，利用贝叶斯学习理论结合时间因素计算其可信度，并根据计算的可信度利用skyline理论筛选出可信的Web服务，作为Web服务组合过程中子任务的候选服务集合。同时，为了能够更好地求解出Web服务组合方案，采用一种改进多目标粒子群算法来进行求解，该方法在保持求解效率的同时能够求解出具有更好质量的Web服务组合方案。

为了达到上述目的，本发明的技术方案如下：

(1)针对Web服务的某个QoS属性，采用贝叶斯学习理论结合时间因素的方法，计算该属性的可信度值；