服务组合动态自适应服务选取问题的混合约束求解方法研究

服务组合动态自适应服务选取问题是设计时服务选取问题和运行时服务选取问题的进一步推广，基于约束程序对其进行研究具有重要的理论意义和实际价值。本课题中将采用基于约束程序的方法对该问题进行建模。为了降低服务空间的变化对选取算法的影响及提高服务选取的效率，研究基于skyline的域过滤算法及支持服务关联的相容性技术对候选服务空间进行过滤。重点探讨基于约束推理技术及群智能算法的融合面向全局优化和自适应服务选取过程的混合约束求解算法，在求解过程中结合马尔可夫决策过程(MDP)及基于约束的服务等级协议(SLA)动态协商机制进行相对稳健的动态自适应服务选取和替换。以此形成有效的针对服务组合动态自适应服务选取问题的混合约束求解方法。同时针对提出的不完备算法探索建立一套有效的验证及评价方法。

服务组合动态自适应服务选取问题是设计时服务选取问题和运行时服务选取问题的进一步推广，基于约束程序对其进行研究具有重要的理论意义和实际价值。在针对不同场景下的服务选取问题进行建模的基础上,为了降低服务空间的变化对选取算法的影响及提高服务选取的效率，基于skyline的域过滤算法及支持服务关联的相容性技术对候选服务空间进行过滤,实现了基于约束求解技术及群智能算法的融合面向全局优化和自适应服务选取过程的混合约束求解算法，并结合服务之间的关联关系进行相对稳健的动态自适应服务选取和替换,形成了有效的针对服务组合动态自适应服务选取问题的混合约束求解方法。 本课题的研究为动态自适应服务选取问题的研究提供新思路和理论依据。目前我们已经完成了相应的研究工作，达到了研究目标的要求。研究成果体现在：国内外期刊和会议上共发表学术论文27篇，其中SCI检索9篇，出版专著1部，培养博士研究生2名，培养硕士研究生4名。课题的研究对推动服务计算技术的普及和方法应用具有重要意义。