高可靠服务组合快速优化方法研究

服务计算是分布式计算的最新发展方向之一，将带来软件产业的又一次革命。服务组合是服务计算模式下软件开发的关键技术。互联网的开放性和动态性，服务组合的随机性和长事务使其可靠性临严峻挑战。由于传统可靠性分析方法大都基于马尔可夫模型和状态空间分析，存在计算代价太大，易造成状态空间爆炸，服务组合不满足马尔可夫模型对构件执行独立性的假设等缺陷。本项目拟分析使用场景和使用剖面与冗余服务模式的关系，基于冗余分配方法，研究高可靠服务组合建立方法；针对马尔可夫模型的缺陷，基于多状态系统理论，拟建立符合服务组合实际执行的可靠性预测模型；针对状态空间分析法的缺陷，基于通用生成函数技术，拟提出一种可靠性快速预测方法，将其嵌入小生境Pareto多目标遗传算法，提出成本约束下可靠性快速优化方法。面向电子商务、电子银行等商业领域对高可靠Web服务应用的迫切需求，本项目对服务计算技术向更高水平发展具有重要的支撑和推动作用。

服务计算是分布式计算的最新发展方向之一，将带来软件产业的又一次革命。服务组合是服务计算模式下软件开发的关键技术。互联网的开放性和动态性，服务组合的随机性和长事务使其可靠性临严峻挑战。由于传统可靠性分析方法大都基于马尔可夫模型和状态空间分析，存在计算代价太大，易造成状态空间爆炸，服务组合不满足马尔可夫模型对构件执行独立性的假设等缺陷。本项目分析了使用场景和使用剖面与冗余服务模式的关系，以无线传感器网络中的服务组合应用为研究对象，基于业务流程执行语言之上的服务依赖图和冗余分配方法，研究了高可靠服务组合建立方法，设计并实现了一种通过抽取服务组合应用的UML 活动图、UML 用例图、UML 顺序图和UML 配置图中结构信息和运行过程中的使用剖面信息，计算构件服务在各种使用场景下的可靠性敏感度级别的相关算法；针对马尔可夫模型的缺陷，以云计算环境下的服务组合为主要研究背景，基于多状态系统理论，深入研究了适用于Web服务组合的可靠性预测模型的建模方法，建立了符合服务组合实际执行的可靠性预测模型。在此可靠性预测模型之上，基于通用生成函数技术和遗传算法，设计了一种用于云服务组合应用的可靠性和性能快速优化方法，提出了一种支持故障容忍的云服务组合应用的可靠性和性能模型；针对状态空间分析法的缺陷，本项目分别以传感器网络服务系统和云服务系统为研究背景，基于通用生成函数技术，提出了一种新颖的向量通用生成函数方法（VUGF）,设计了基于向量的多QoS指标表达方式，基于该方法，提出了一种可靠性快速预测方法。在此基础上，项目组深入研究了在解码过程中将基于VUGF的综合服务质量（包括可靠性、性能、成本、安全性等）预测方法嵌入到遗传算法中的机制，并基于矩阵的遗传算法染色体编码方式，综合采用矩阵编码、优化遗传算法参数、Pareto支配竞争、等价类共享设计了一种分布式并行多目标遗传算法，并基于MATLAB® 实现了该算法。基于此分布并行多目标遗传算法，提出了成本约束下可靠性快速优化方法。面向电子商务、电子银行等商业领域对高可靠Web服务应用的迫切需求，本项目的研究成果对服务计算技术向更高水平发展具有重要的支撑和推动作用。