Tao Yu的论文之三 "Service Selection Algorithms for Composing Complex Services with Multiple QoS Constraints(ICSOC2005)"
T. Yu and K.J. Lin, "Service Selection Algorithms for Composing Complex Services with Multiple QoS Constraints"(gs: 52), ICSOC2005
ISeBM05那篇讨论了单约束条件下的服务选择, 本文则进一步讨论多QoS约束下的服务选择.
combinatorial model
将问题建模为multi-dimension multi-choice 0-1 knapsack problem (MMKP)
基于Khan, S的heuristic algorithm(HEU), 开发了WE_HEU算法来求解.
graph model
将问题建模为multi-constraint optimal path problem (MCOP)
基于针对单限制最优路径的CSP算法, 开发了MCSP算法. 这个算法与CSP并没有本质的区别, 无非是原先只要比较一个QoS, 现在要比较多个而已.
MCSP算法可能会生成过多的备选路径, 因而作者由提出了改进算法MCSP-K, 在RELAX时只保留K个路径.
定义了nonlinear cost function(引用于Multi-constrained optimal path selection, INFOCOM 2001)作为筛选路径的标志. 对于这个nonlinear cost function函数, 有两点要提一下
(1) 作者特意讨论了λ->∞时的情况, 并在算法中有相应体现. 没看出强调这种情况的必要性.
(2) QoS参数分为成本型和效益型, 该函数应该是针对效益型参数而言, 而对于成本型的QoS参数应先进行转换.
使用了Inet3.0来生成模拟的实验环境.
实验参数
sservice candidate nodes: 25~2500
service candidate graph: random graph topology
仅考虑one process plan with the sequential composition model
number of service class: 5~50
candidates in each service class: 5~50
5个QoS参数, 采用[1, 100]间的uniform distribution
utility value of each link: [1, 200]间的uniform distribution
network impact factor: 按照大小分为两种情况. combinatorial approach中无法建模network impact factor.
与ISeBM05的比较
要解决的问题: 单属性 vs. 多属性
解决方法: combinatorial approach的算法没有细看; graph approach中的算法没有本质区别
本文对问题的简化
(1) 不关心服务之间接口的兼容性问题.
(2) 只考虑sequential composition model (S3)
ISeBM05那篇讨论了单约束条件下的服务选择, 本文则进一步讨论多QoS约束下的服务选择.
combinatorial model
将问题建模为multi-dimension multi-choice 0-1 knapsack problem (MMKP)
基于Khan, S的heuristic algorithm(HEU), 开发了WE_HEU算法来求解.
graph model
将问题建模为multi-constraint optimal path problem (MCOP)
基于针对单限制最优路径的CSP算法, 开发了MCSP算法. 这个算法与CSP并没有本质的区别, 无非是原先只要比较一个QoS, 现在要比较多个而已.
MCSP算法可能会生成过多的备选路径, 因而作者由提出了改进算法MCSP-K, 在RELAX时只保留K个路径.
定义了nonlinear cost function(引用于Multi-constrained optimal path selection, INFOCOM 2001)作为筛选路径的标志. 对于这个nonlinear cost function函数, 有两点要提一下
(1) 作者特意讨论了λ->∞时的情况, 并在算法中有相应体现. 没看出强调这种情况的必要性.
(2) QoS参数分为成本型和效益型, 该函数应该是针对效益型参数而言, 而对于成本型的QoS参数应先进行转换.
使用了Inet3.0来生成模拟的实验环境.
实验参数
sservice candidate nodes: 25~2500
service candidate graph: random graph topology
仅考虑one process plan with the sequential composition model
number of service class: 5~50
candidates in each service class: 5~50
5个QoS参数, 采用[1, 100]间的uniform distribution
utility value of each link: [1, 200]间的uniform distribution
network impact factor: 按照大小分为两种情况. combinatorial approach中无法建模network impact factor.
与ISeBM05的比较
要解决的问题: 单属性 vs. 多属性
解决方法: combinatorial approach的算法没有细看; graph approach中的算法没有本质区别
本文对问题的简化
(1) 不关心服务之间接口的兼容性问题.
(2) 只考虑sequential composition model (S3)
