面向组合服务的智能化接入控制关键技术研究

Web service composition is a new model of creating value-added services under the dynamic network environment and contains great appication value, with the technology of Web services and cloud computing maturing, the demand of composite service grows sharply. However, service integrator how to deal with the continuous arrival of composite service use requests intelligently, and ensure the quality of the existing service requests while improving the resource utilization is a major issue for urgent solution. This project provides intelligent admission control for composite service,inluding mainly three aspects: Firstly, it proposes a global QoS constraints adaptive optimization decomposition technique which breaks global QoS constraints into local QoS constraints that service classes need to meet, this can provide important admission judgment basis; Secondly, it proposes a reliable admission decision-making method based on QoS dynamic prediction and QoS interference estimation to improve the reliability of admission judgment. Finally, in order to improve the utilization of the service resources, it provides a context-aware service resource adaptive shecduling method to allocate the most suitable resource to the new composite service use request. This study will further reveal the general rules of admission control under the service composition environment, and provide theory and methods support to improve the quality of service and the utilization of service resource.

Web服务组合是动态网络环境下创建增值服务的新模式，蕴藏着巨大的应用价值，随着Web服务与云计算技术的成熟，组合服务的使用需求日益剧增。然而，服务集成商如何智能地处理不断到来的组合服务使用请求，在保证已有请求服务质量的同时提高服务资源的利用率是亟待解决的重大问题。本项目给出了面向组合服务的智能化接入控制解决方案，主要包括三个方面。首先，提出一种全局QoS约束自适应优化分解技术，将全局QoS约束合理地分解成每个服务类应满足的局部QoS约束，为接入判断提供重要的依据；其次，提出一种基于QoS动态预测和QoS干扰估计的可靠接入决策方法，提高接入判断的可靠性；最后，提出一种情景感知的服务资源自适应调度方法，根据接入请求时的情景为接入的请求分配最为合适的服务资源，从而提高服务资源的利用率。本研究将进一步揭示服务组合环境下接入控制的一般规律，为保证服务质量和提高资源利用率提供理论和方法支持。

针对复杂动态网络环境下，如何高效智能地实现动态、可靠的服务优化组合是这一关键科学问题，该项目采取问题分解的研究思路，基于人工智能领域的一些理论与方法，提出了一套有效的解决方案。首先，我们基于改进的群体智能算法，将用户提出的全局QoS约束分解成服务组合流程中每个任务节点需要满足的局部QoS约束，从而将QoS感知的服务优化组合这一全局优化问题转化成局部最优服务选择问题，降低了问题求解的复杂度，为实现动态、可靠的服务优化组合提供了切入点；其次，我们提出了两种预测精度较高的QoS预测方法，提高了服务QoS准确度，从而提高了服务优化组合的可靠性；再者，我们针对服务优化组合中的接入控制问题，提出了一个智能化的接入控制框架，并将接入控制机制引入到并发的服务优化选择研究中，提高了问题求解的成功率；此外，我们还深入研究了服务领域特性对服务优化组合问题与服务选择问题的影响规律，基于这些领域知识对人工蜂群算法进行了改进，提出了用于求解服务优化问题的人工蜂群算法范型；我们还对企业服务组合方面开展了相关的研究，提出了考虑企业服务横向协作的服务优化组合方法；总之，该项目针对动态、可靠服务优化组合中的关键技术进行了深入的研究，在理论与方法上取得了较好的研究成果，提出了服务优化组合问题研究的新思路与新方法。