动态不确定环境下空间信息服务的深度组合方法

In the big data era, data and processing services have increased in exponential way. This yield open, dynamic, and uncertain problems in the geospatial information services environment. We introduce a deep service composition view: first, we construct a deep mechanism which include hierarchy from the abstract services chains (ASCs), to single concrete services chain (CSCs), to concrete services chain cluster (ASCCs); then, we introduce an open hypothesis which make our services system can use unstructured information from internet, and reinforcement learning mechanism which can deep associate and aggregate the services. To achieve this target, three key points: (1) Aim to the open environment, a learning oriented geospatial information services deep composition method is proposed; (2) Aim to the dynamic and uncertain in QoS perturbation, we proposal a perturbation analysis model to the QoS dynamic and robust optimization method to get a robust geo-information services chain who is “immunizing”to the QoS perturbation; (3) Aim to dynamic and uncertain of QoS and the concurrence tasks condition, we research the task competition and cooperation in the dynamic environment, then proposal a dynamic stabilization strategy for the equilibrium between the task’s tactics. This research will provide a renew and system point of view to understand the open, dynamic and uncertain problems in the lifecycle of geospatial information services composition.

大数据背景下，数据和处理服务的来源爆炸式增长，空间信息服务环境的开放性、动态性、不确定性特点日益突出，申请提出一种深度服务组合观点：扩展服务组合的层次性，形成抽象服务链-单一具体服务链-具体服务链簇的深度组合机制；引入开放性假设，空间信息服务系统可以在更广泛，更深层次使用非结构化信息，在增强学习机制的基础上，实现服务组合方法的深度关联和深层聚合。为实现这一目标，拟完成如下三个关键研究内容：针对开放性环境，提出基于深度学习模型的空间信息服务的深度组合方法；针对QoS动态不确定性，通过建立精确的扰动分析数学模型，得到对QoS扰动“免疫”的空间信息服务组合鲁棒优化解；针对QoS动态不确定性和任务并发条件，研究任务在动态环境下的最优服务资源竞争和冲突问题，分析空间信息服务链服务绑定的均衡策略的动态稳定性。为开放、动态和不确定性环境下的空间信息服务组合问题，提供新的、系统的研究角度和思路。

申请提出一种深度服务组合观点：扩展服务组合的层次性，形成抽象服务链-单一具体服务链-具体服务链簇的深度组合机制；引入开放性假设，空间信息服务系统可以在更广泛，更深层次使用非结构化信息，在增强学习机制的基础上，实现服务组合方法的深度关联和深层聚合。拓展服务范畴，从原来的处理服务拓展到观测服务和数据服务，可实现从发现-处理一体的服务系统。为此课题组进一步扩展研究边界，研究了面向观测服务、处理服务等协同的服务机制。.面向服务功能的处理服务自动组合.（1）基于开源数据的空间信息服务组合训练集的构建.提出基于开源数据的空间信息服务训练集构建方法，通过引入合理的假设，充分利用广域互联网上的开源数据信息，构建大型空间信息服务组合训练集。.（2）面向开源空间信息服务的嵌入表达方法.提出基于双曲空间的空间信息服务嵌入表达方法，不仅是实现自动化空间信息服务重要途径，也是模型进行有效学习的前提。.（3）基于概率生成模型的服务组合方法.提出了基于概率生成模型的空间信息服务组合方法，将空间信息服务组合过程建模成逐服务生成的过程。.融合功能和非功能属性的观测、处理服务的自动协同和组合方法.（1）非凸静态和动态调度问题的自适应跨邻域搜索算法: 具有自适应跨邻域搜索算法的自适应变量递减策略.提出一种名为跨邻域搜索算法的元启发式算法来解决动态和静态调度问题。.（2）面向非功能属性的观测、处理服务的优化组合方法.提出了一种可扩展的基于小子群的协方差矩阵自适应演化策略，用于求解具有大规模决策变量的观测、处理服务的优化优化问题。.（3）基于服务冲突消解的大规模协同优化方法.提出一种基于智能代理的规划调度思想来解决区域应急服务系统的协同规划问题，并构建一种基于智能代理的异构空天地观测服务的协同规划框架。.（4）空天地观测资源服务的一体化动态协同优化方法.提出自下而上的分布式合同网协同架构，从个体局部交互响应推动全局最优的分配策略。