CBR+IP+GA
今天看了论文A Hybrid Approach to QoS-Aware Service Composition(ICWS2008). 像往常一样, 拿到一篇论文, 我都习惯先了解一下作者的基本情况(根据homepage, dblp等),这样能更好地了解背景, 对论文的分量有更好的估计. 该文作者Xinfeng Ye, 个人主页比较简单, research interest包括Web Services和Internet-based computing, 应该是新西兰Auckland大学的一个教师. DBLP上显示其最早的文章是1992年, 2005年开始每年都以第一作者的身份在ICWS上发表一篇论文,
Xinfeng Ye, Rami Mounla: A Hybrid Approach to QoS-Aware Service Composition. ICWS 2008: 62-69
Xinfeng Ye, Santokh Singh: A SOA Approach to Counter DDoS Attacks. ICWS 2007: 567-574
Xinfeng Ye: Towards a Reliable Distributed Web Service Execution Engine. ICWS 2006: 595-602
Xinfeng Ye, Yilin Shen: A Middleware for Replicated Web Services. ICWS 2005: 631-638
以上四篇论文从题目上来看关联不是很大.
关于这篇论文, 文章要解决的是那个无数论文讨论过的问题: QoS-aware Service Composition, 使用的方法包括Integer Programming, case-based reasoning和genetic algorithms, 提出了一个系统CSMS(Composite Service Managerment System).
先罗列下一本文提到过的assumption:
(1) the service providers use the same ontology to describe their services when
registering with the UDDI registry. (S4.1)
(2) the users use the same ontology when describing their services.(S4.2)
(3) execution plans for the composite service are available in the CBR repository, (S5)
(4) the QoS properties are mostly recorded accurately.(5)
(5) the weights being assigned to the QoS score calculation is 40% to the response time and 60% to the cost. (S5)
其中(3)(4)(5)是实验验证部分的假设.
本文的主要思想: 接收到用户的请求后, 首先从CBR repository中寻找匹配的execution plan, 如果找不到, 就用IP方法来求解, 并将得到的解存入repository中, 以便下次重用. 这样可以提高服务组合的效率, 降低成本.为了解决QoS动态变化导致与现实不符的问题, 应用遗传算法来选择现有解决方案.
CBR的设计较易理解; IP方法是[Zeng04]提出的, 本文没有详细重述;本文应用的不是标准的遗传算法, 因为没有用到crossover和mutation的概念, 仅仅是使用了roulette-wheel selection方法来挑选一个execution plan. 一般的遗传算法包括这几个步骤: Initialization->Selection->Reproduction(包括crossover and/or mutation)->Termination.
Comments
(1) related work里提到的一些QoS-aware service composition方面的论文还有一些不太熟悉, 说明论文看的还不够多.
(2)UDDI是不直接支持QoS信息的[Ran03], 本文却提到从UDDI获取WS的QoS信息而对此没有更多说明.
(3)服务选择/组合方案选择, 对于有多个candidates, 最后无非就是要进行打分排名, 选用最好的一个.
(3.1) 同一个plan不同instance的权重d(i, n):
按照时间顺序排名(1, 2, 3, ..., 越近的名次越高), 赋予如下分数1, 1-1/n, 1-2/n, ...(n是总的) 这些分数归一化处理后即为各自权重. 时间越近的, 分数越高.
(3.2) 通过将这些instance的QoS值加权相加, 得到plan的QoS值.
(3.3) 对于各个plan的QoS values进行归一化处理, 并进行加权相加, 从而每个plan都会得到一个score(这个score就做为fitness参数)
(3.4) 对于每一个plan根据排名赋予不同的权重, 根据一个plan的权重和score, 计算出这个plan被选中的概率 (的确没有crossover或mutation的步骤)
这里提到了3个权重, 3.1里的权重根据instance执行的时间来确定, 3.3和3.4里的权重都是根据专家经验来设置的.
(4) 实验设计可以借鉴一下.
Reference
Liangzhao Zeng, Boualem Benatallah, et.al. QoS-Aware Middleware for Web Services Composition, TOSE, 2004
Ran, Shuping (2003) A Model for Web Services Discovery with QoS. ACM SIGecom Exchanges .
Xinfeng Ye, Rami Mounla: A Hybrid Approach to QoS-Aware Service Composition. ICWS 2008: 62-69
Xinfeng Ye, Santokh Singh: A SOA Approach to Counter DDoS Attacks. ICWS 2007: 567-574
Xinfeng Ye: Towards a Reliable Distributed Web Service Execution Engine. ICWS 2006: 595-602
Xinfeng Ye, Yilin Shen: A Middleware for Replicated Web Services. ICWS 2005: 631-638
以上四篇论文从题目上来看关联不是很大.
关于这篇论文, 文章要解决的是那个无数论文讨论过的问题: QoS-aware Service Composition, 使用的方法包括Integer Programming, case-based reasoning和genetic algorithms, 提出了一个系统CSMS(Composite Service Managerment System).
先罗列下一本文提到过的assumption:
(1) the service providers use the same ontology to describe their services when
registering with the UDDI registry. (S4.1)
(2) the users use the same ontology when describing their services.(S4.2)
(3) execution plans for the composite service are available in the CBR repository, (S5)
(4) the QoS properties are mostly recorded accurately.(5)
(5) the weights being assigned to the QoS score calculation is 40% to the response time and 60% to the cost. (S5)
其中(3)(4)(5)是实验验证部分的假设.
本文的主要思想: 接收到用户的请求后, 首先从CBR repository中寻找匹配的execution plan, 如果找不到, 就用IP方法来求解, 并将得到的解存入repository中, 以便下次重用. 这样可以提高服务组合的效率, 降低成本.为了解决QoS动态变化导致与现实不符的问题, 应用遗传算法来选择现有解决方案.
CBR的设计较易理解; IP方法是[Zeng04]提出的, 本文没有详细重述;本文应用的不是标准的遗传算法, 因为没有用到crossover和mutation的概念, 仅仅是使用了roulette-wheel selection方法来挑选一个execution plan. 一般的遗传算法包括这几个步骤: Initialization->Selection->Reproduction(包括crossover and/or mutation)->Termination.
Comments
(1) related work里提到的一些QoS-aware service composition方面的论文还有一些不太熟悉, 说明论文看的还不够多.
(2)UDDI是不直接支持QoS信息的[Ran03], 本文却提到从UDDI获取WS的QoS信息而对此没有更多说明.
(3)服务选择/组合方案选择, 对于有多个candidates, 最后无非就是要进行打分排名, 选用最好的一个.
(3.1) 同一个plan不同instance的权重d(i, n):
按照时间顺序排名(1, 2, 3, ..., 越近的名次越高), 赋予如下分数1, 1-1/n, 1-2/n, ...(n是总的) 这些分数归一化处理后即为各自权重. 时间越近的, 分数越高.
(3.2) 通过将这些instance的QoS值加权相加, 得到plan的QoS值.
(3.3) 对于各个plan的QoS values进行归一化处理, 并进行加权相加, 从而每个plan都会得到一个score(这个score就做为fitness参数)
(3.4) 对于每一个plan根据排名赋予不同的权重, 根据一个plan的权重和score, 计算出这个plan被选中的概率 (的确没有crossover或mutation的步骤)
这里提到了3个权重, 3.1里的权重根据instance执行的时间来确定, 3.3和3.4里的权重都是根据专家经验来设置的.
(4) 实验设计可以借鉴一下.
Reference
Liangzhao Zeng, Boualem Benatallah, et.al. QoS-Aware Middleware for Web Services Composition, TOSE, 2004
Ran, Shuping (2003) A Model for Web Services Discovery with QoS. ACM SIGecom Exchanges .
