收藏本站
《北京邮电大学》 2013年
收藏 | 手机打开
二维码
手机客户端打开本文

云计算中服务组合与选择技术研究

刘阳  
【摘要】:在云计算环境中,服务组合提供了一种高效实现复合服务的方法;另一方面,云计算又为服务组合活动提供了丰富的原子服务以供选择。然而,用户的需求纷繁复杂,包括对复合服务的功能性需求以及非功能性需求,难以选择云计算平台中最合适的原子服务及实例。因此,考虑用户多约束、多目标甚至是系统负载均衡因素的服务选择问题是极具挑战性的研究课题。同时,由于云计算环境中服务组合请求具有较高的到达率,服务选择方法需要具有较高的实时性。 本文首先回顾了服务组合研究现状,尤其是单目标和多目标服务选择问题以及基于粒子群的服务选择方法,并分析了现有方案的优缺点;其次,由于服务选择方法无法直接处理复合服务中子任务的多种多样的拓扑结构,本文提出了一种拓扑转换机制,保证转换后的非功能参数与转换前等价,便于后续的服务选择;随后,本文同时考虑了用户服务质量(Quality of Service, QoS)要求以及系统负载均衡的因素,使用基于小生境技术的环状粒子群算法解决了多约束单目标服务选择问题;此外,本文还提出了精确子群粒子群算法,克服了粒子群固有的早熟收敛和多样性缺失的特性。该算法使用简单的聚类机制,在可行解密集区域建立子群来搜索最优解,提高了服务选择求解的精确性;最后,本文使用近似距离和外部档案机制,为多目标服务选择问题提出了一个轻量多目标粒子群算法。本文的主要创新工作概括如下: 1.需求拓扑等价转换机制。由于复合服务中原子服务被调用的拓扑结构(即服务组合路径)多种多样(如基本拓扑结构包括串行、并行、选择、循环等),服务选择算法无法直接从原始的服务组合路径中找出符合用户非功能性参数要求的服务实例。本文提出了一种将QoS参数和系统负载均衡参数进行等价转换的拓扑转换机制,这种机制可以将各种服务组合路径转换为服务选择算法可以直接处理的聚合拓扑形式的路径,该机制详细描述了转换后的聚合服务组合路径构建方法和等价的非功能性参数计算方式。 2.环状粒子群服务选择算法。现有的服务选择算法往往会依赖于问题的性质,比如线性、非线性、约束及目标函数的性质,但忽略了用户的QoS需求和云计算平台负载均衡需求的同时影响。本文采用了一种基于小生境技术的环状粒子群服务选择算法,该算法将粒子群算法中每三个序号相邻的粒子组成小生境环境,并将每个小生境串接使整个粒子群形成环状结构。这种结构可以增强粒子群算法对服务选择问题中次优解的抵抗力,提高了服务选择的精确度。仿真结果表明,环状粒子群算法的精确度高于标准粒子群算法,尤其是在存在大量可用服务实例的情况下。 3.精确子群粒子群服务选择算法。粒子群算法固有的特性(如早熟收敛和多样性损失)经常会导致服务选择结果的次优解的产生。本文提出了一个同时基于串行和并行小生境的精确子群粒子群服务选择算法,该算法先将解空间划分为若干网格单元,然后定期统计网格单元中的可行解数量,接着算法将可行解较多的网格单元聚类为可行解密集区域,并在其中建立子群,算法将各子群与剩下的主群粒子隔离,使用各种群最优解排序比较的方法同时查找最优解。测试结果表明提出的算法改进了粒子群的精确度,一定程度上减少了早熟收敛和多样性损失对服务选择结果的影响。在计算复杂度仍处于可接受的条件下,该精确子群粒子群算法比其他多约束单目标服务选择算法更加精确。 4.轻量多目标粒子群服务选择算法。对于用户多目标QoS需求,现有方案主要将多目标服务选择问题转化为多约束单目标服务选择问题求解,但这些方案必须在有解空间先验知识的情况下才能生效,而且大部分方法一次执行仅输出一个解,用户很难在可接受的算法复杂度下得到均匀分布的解集。本文基于粒子群提出了一个通用的轻量多目标服务选择算法,该算法使用近似距离这样复杂度较低的机制来评估解的拥挤程度,并使用外部档案来存储非支配解。仿真结果表明该算法在近似度、覆盖度和执行时间方面比经典的非支配排序遗传算法Ⅱ(Nondominated Sorting Genetic Algorithms-Ⅱ, NSGA-Ⅱ)更加高效。
【学位授予单位】:北京邮电大学
【学位级别】:博士
【学位授予年份】:2013
【分类号】:TP393.09

【共引文献】
中国期刊全文数据库 前10条
1 郭才;;基于.NET下Web Service的图书信息查询系统的研究[J];福建电脑;2010年11期
2 杨芙清;吕建;梅宏;;网构软件技术体系:一种以体系结构为中心的途径[J];中国科学(E辑:信息科学);2008年06期
3 陆汝钤;金芝;;从基于知识的软件工程到基于知件的软件工程[J];中国科学(E辑:信息科学);2008年06期
4 王继龙;李钟辉;吕国晗;姜彩萍;李星;张千里;;DRAGON-Lab——新一代互联网技术综合实验验证平台[J];中国科学(E辑:信息科学);2008年10期
5 ;Technical framework for Internetware: An architecture centric approach[J];Science in China(Series F:Information Sciences);2008年06期
6 ;From knowledge based software engineering to knowware based software engineering[J];Science in China(Series F:Information Sciences);2008年06期
7 ;DRAGON-Lab―Next generation internet technology experiment platform[J];Science in China(Series F:Information Sciences);2008年11期
8 ;Capability description and discovery of Internetware entity[J];Science China(Information Sciences);2010年04期
9 吴步丹;金芝;赵彬;;面向服务的建模:一种全过程复用的方法[J];计算机学报;2008年08期
10 梅宏;刘譞哲;;Internetware:An Emerging Software Paradigm for Internet Computing[J];Journal of Computer Science & Technology;2011年04期
中国硕士学位论文全文数据库 前5条
1 马文涛;基于Web Services的工作流系统新模型的研究与实现[D];辽宁工程技术大学;2010年
2 刘同斌;云网络实验平台研究与实现[D];山东科技大学;2011年
3 仲晶;Web服务组合中业务流程的研究及应用[D];南京航空航天大学;2009年
4 张亚红;基于运行时验证的Web服务选择方法研究[D];新疆大学;2013年
5 赵峰;Dragon-Lab实验云资源定价机制和资源调度策略的研究[D];石家庄铁道大学;2013年
【相似文献】
中国期刊全文数据库 前10条
1 冯林,张名举,贺明峰,戚正君;用改进的粒子群算法实现多模态刚性医学图像的配准[J];计算机辅助设计与图形学学报;2004年09期
2 卢冰原;古春生;谷峰;;基于粒子群优化的模糊交货期惩罚问题的研究[J];计算机工程与应用;2006年19期
3 吴延科;徐晨;李国;;基于粒子群统计规律的PSO算法[J];郑州大学学报(理学版);2006年04期
4 周国雄;吴敏;曹卫华;雷琪;;基于粒子群优化的集气管压力变结构模糊控制[J];信息与控制;2008年03期
5 袁成;蔡自兴;陈白帆;;粒子群优化的同时定位与建图方法[J];计算机工程;2009年11期
6 许相莉;张利彪;刘向东;于哲舟;周春光;;基于粒子群的图像检索相关反馈算法[J];电子学报;2010年08期
7 冯纪强;谢维信;徐晨;;T-S模糊粒子群优化建模及稳定性分析[J];电子学报;2011年05期
8 侯志荣,吕振肃;基于MATLAB的粒子群优化算法及其应用[J];计算机仿真;2003年10期
9 王岩,周春光,黄艳新,丰小月;基于最小不确定性神经网络的茶味觉信号识别[J];计算机研究与发展;2005年01期
10 刘淳安,何广平,雍龙泉;解多目标优化问题的新粒子群存档算法[J];陕西理工学院学报(自然科学版);2005年03期
中国重要会议论文全文数据库 前10条
1 赵建玉;贾磊;陈月辉;张勇;;基于粒子群优化的信号交叉口交通流预测模型[A];第二十六届中国控制会议论文集[C];2007年
2 王晓燕;王东风;韩璞;;一种分数阶系统的粒子群优化辨识方法[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年
3 范业坤;梁新荣;;基于粒子群优化的高速公路匝道PI控制器[A];第二十七届中国控制会议论文集[C];2008年
4 薛艳红;胡立坤;;基于粒子群优化的配电网静止同步补偿器PI控制器整定[A];中南六省(区)自动化学会第二十九届学术年会论文集[C];2011年
5 徐俊杰;忻展红;;粒子群优化在0/1背包问题中的应用[A];中国运筹学会第七届学术交流会论文集(上卷)[C];2004年
6 冯祎;李霞;;一种K最近邻分类的改进算法及应用[A];2011年全国通信安全学术会议论文集[C];2011年
7 赵秋玲;周雅莉;张奇志;;基于粒子群优化的结构振动分布式反馈控制[A];2005年中国智能自动化会议论文集[C];2005年
8 薛云灿;郑东亮;岳兴汉;杨启文;;混沌粒子群优化算法及其在水库优化调度中的应用[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
9 徐俊杰;忻展红;;基于增强型参考位置的粒子群优化模型[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年
10 张奇志;周亚丽;;移动机器人运动规划的粒子群优化算法[A];2009年中国智能自动化会议论文集(第二分册)[C];2009年
中国重要报纸全文数据库 前10条
1 本报记者  陈韶旭;国民面临更多金融服务选择[N];文汇报;2006年
2 一梅;UPS拓展在华空运网络[N];国际商报;2006年
3 蒋心和;在沪500强企业八成半HR服务选择上海外服[N];解放日报;2007年
4 阳光;戴尔新服务谁来埋单[N];政府采购信息报;2008年
5 张承东;戴尔ProSupport 更新服务模式[N];网络世界;2008年
6 龚丽 ;Ingram Micro鼓励经销商转换商业模式[N];电脑商报;2004年
7 张云中;全球机票无纸化进入倒计时[N];国际商报;2008年
8 胡春帆 余峥;保险选择预期透视[N];中国保险报;2002年
9 ;DELL速马电脑[N];计算机世界;2002年
10 何洁;统一通信走进市场春天 远特通信迎来新契机[N];通信产业报;2008年
中国博士学位论文全文数据库 前10条
1 窦全胜;求解优化问题的演化计算方法研究[D];吉林大学;2005年
2 刘丽;人工免疫网络研究及应用[D];江南大学;2008年
3 李磊;六自由度并联平台位置正解及控制方法研究[D];哈尔滨工程大学;2008年
4 马瑞新;基于粒子群的网络社区动态角色挖掘研究[D];大连理工大学;2012年
5 刘阳;云计算中服务组合与选择技术研究[D];北京邮电大学;2013年
6 陈虹;分离流动的电磁力主动控制[D];华中科技大学;2011年
7 林川;粒子群优化与差分进化算法研究及其应用[D];西南交通大学;2009年
8 王纵虎;聚类分析优化关键技术研究[D];西安电子科技大学;2012年
9 韩晓霞;混沌与支持向量机结合的多相催化建模与优化研究[D];太原理工大学;2010年
10 柯晶;强跟踪状态估计与群集辨识[D];浙江大学;2003年
中国硕士学位论文全文数据库 前10条
1 雷烨;基于粒子群最小二乘支持向量机的故障诊断算法研究[D];兰州交通大学;2010年
2 马培培;基于粒子群的图像阈值化分割的研究及应用[D];合肥工业大学;2010年
3 姚杰;基于PSO混沌神经网络电力系统负荷预测[D];大庆石油学院;2009年
4 刘杨;粒子群优化算法在电力系统无功优化中的应用[D];天津大学;2005年
5 任晓娜;DNA计算中的编码设计优化算法[D];湖南大学;2010年
6 王琳;基于粒子群优化的数据流挖掘的聚类算法分析[D];长沙理工大学;2010年
7 李涛;基于SVM和PSO的非线性模型预测控制及应用研究[D];上海交通大学;2008年
8 孙巍;供热管网的建模分析及水力平衡调节[D];北京化工大学;2008年
9 李峰;大规模场景绘制中的纹理合成技术研究[D];哈尔滨理工大学;2008年
10 陈亚洲;基于粒子群优化的协同优化方法研究[D];华中科技大学;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026