一種Web服務(wù)QoS屬性的不確定權(quán)重計(jì)算方法

樊志強(qiáng) 李寧 郝博

摘 要：功能相同或類似的Web服務(wù)選擇時需考慮服務(wù)的QoS屬性及權(quán)重，由于用戶對QoS屬性的偏好具有主觀認(rèn)知的不確定性，并且某些QoS屬性值也通常不是確定的。因此，Qos屬性的權(quán)重具有不確定性。針對QoS屬性的不確定權(quán)重求解問題，使用云模型表示主觀認(rèn)知的不確定性，基于用戶偏好信息，利用歸一化和最小二乘法求解主觀權(quán)重，基于Qos屬性值利用熵方法求解客觀權(quán)重，并使用科布—道格拉斯方法合成主、客觀權(quán)重，能夠有效表達(dá)由主觀認(rèn)知和QoS屬性值造成的權(quán)重不確定性。

關(guān)鍵詞：QoS屬性；不確定權(quán)重；云模型；熵方法

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A

1 引言（Introduction）

隨著Web服務(wù)技術(shù)的發(fā)展和流行，互聯(lián)網(wǎng)上有越來越多的Web服務(wù)，出現(xiàn)了許多功能相同或類似的Web服務(wù)。QoS（Quality of Service）便成為選擇Web服務(wù)的基準(zhǔn)。QoS是指Web服務(wù)的非功能質(zhì)量屬性，可以用來區(qū)分具有相同功能的Web服務(wù)。Web服務(wù)的QoS屬性可以分為兩類：（1）效益型屬性，對于這類屬性，人們往往希望越高越好，如信譽(yù)度、成功執(zhí)行率。（2）成本型屬性，對于這類屬性，人們往往希望越低越好，如執(zhí)行費(fèi)用。通常情況下，具有相同功能的不同Web服務(wù)其QoS屬性各有所長，需要綜合考慮各個QoS屬性的重要程度再進(jìn)行選擇，因此，QoS屬性權(quán)重的表示和求解成為一個關(guān)鍵問題?，F(xiàn)有研究將Web服務(wù)QoS屬性的權(quán)重分為三種：（1）主觀權(quán)重：基于用戶對QoS屬性的偏好信息求得的權(quán)重。（2）客觀權(quán)重：基于Web服務(wù)的QoS屬性值求得的權(quán)重。（3）綜合權(quán)重：將主觀權(quán)重與客觀權(quán)重合成得到的權(quán)重。

（1）主觀權(quán)重：Amina[1]、Huang[2]和Sun[3]認(rèn)為權(quán)重應(yīng)由用戶或服務(wù)請求者直接給出。Hu[4]和Cao[5]的研究通過讓用戶給出QoS屬性的兩兩比值來求得屬性的權(quán)重。然而，實(shí)際應(yīng)用中，用戶很難直接給出各個QoS屬性的權(quán)重值或?qū)傩詢蓛杀戎担脩敉?xí)慣于給出屬性權(quán)重的定性值。Xiong[6]和Zhang[7]的研究根據(jù)用戶給出QoS屬性權(quán)重的定性值來計(jì)算屬性權(quán)重的定量值，Chen[8]和劉[9]的研究根據(jù)用戶給出的QoS屬性兩兩比較的定性值計(jì)算權(quán)重的定量值。這些研究都基于模糊理論將具有模糊性的定性值轉(zhuǎn)化為定量值，然而，用戶給出的定性值（定性概念）不僅具有模糊性，也具有隨機(jī)性，應(yīng)該對兩者綜合考慮來表示定性值更適合[10]。

（2）客觀權(quán)重：Xiong[6]用熵方法求客觀權(quán)重，Hu[4]和Cao[5]利用最小化與理想方案差距的方法求客觀權(quán)重。使用熵方法求得的權(quán)重，當(dāng)不同Web服務(wù)的同一QoS屬性值相差越大，則該屬性的權(quán)重越大，相差越小，屬性權(quán)重越小。而Hu[4]和Cao[5]的方法求解的結(jié)果則剛好相反。為了能夠較好的區(qū)分Web服務(wù)，使用熵方法求解客觀權(quán)重更合理。

（3）綜合權(quán)重：主觀權(quán)重反映用戶的偏好信息，客觀權(quán)重體現(xiàn)Web服務(wù)QoS屬性值的特點(diǎn)，兩種方法各有優(yōu)點(diǎn)和不足，因此，Hu[4]和Xiong[6]提出將主觀權(quán)重和客觀權(quán)重進(jìn)行綜合，通過加權(quán)平均將主、客觀權(quán)重合成為一個權(quán)重。但是他們的研究對所有QoS屬性的主、客觀權(quán)重都給定相同的比例，應(yīng)該考慮每個QoS屬性的主、客權(quán)重的比例更為合理。

上述研究中，無論主觀權(quán)重、客觀權(quán)重還是綜合權(quán)重，其權(quán)重值都是確定的定量值。然而，從影響權(quán)重的因素來看，無論是用戶的偏好信息還是Web服務(wù)的QoS屬性值，都具有一定的不確定性。用戶用定性概念表示對QoS屬性的偏好，如“要”“不太重要”，而定性概念所對應(yīng)的定量值往往又是不確定的，因此，基于定性的用戶偏好信息求取的主觀權(quán)重具有不確定性。Web服務(wù)的某些QoS屬性值也具有不確定性，如服務(wù)的執(zhí)行時間，多次調(diào)用同一服務(wù)的同一操作得到的執(zhí)行時間也是不同的，所以客觀權(quán)重也應(yīng)具有不確定性，因此，綜合權(quán)重也顯然具有不確定性。從用戶選擇的角度來看，若兩個Web服務(wù)Qos屬性值各有優(yōu)劣，用戶可能有時覺得這個好，有時感覺另外一個好，而基于確定權(quán)重值選擇的結(jié)果是固定的，不能體現(xiàn)用戶選擇的不確定性。因此，確定的權(quán)重不能很好地反映用戶偏好信息及Web服務(wù)屬性值的不確定性，而不確定的權(quán)重更適合表示W(wǎng)eb服務(wù)QoS屬性的權(quán)重。

針對上述問題，本文提出用不確定權(quán)重表示W(wǎng)eb服務(wù)Qos屬性的權(quán)重，并給出主觀、客觀及綜合權(quán)重的表示和求解方法。主觀權(quán)重根據(jù)用戶對QoS屬性的偏好求得，客觀權(quán)重基于Web服務(wù)QoS屬性值使用熵方法求解；綜合權(quán)重考慮不同QoS屬性的主、客觀權(quán)重的比例。本文其余部分組織為：第2節(jié)介紹基本概念，包括云模型和熵方法；第3節(jié)介紹不確定權(quán)重的求解方法，包括主觀權(quán)重（3.1節(jié)）、客觀權(quán)重（3.2節(jié)）、綜合權(quán)重（3.3節(jié)）及求解算法（3.4節(jié)）四個部分；第4節(jié)對全文進(jìn)行總結(jié)。

2 基本概念（Basic concepts）

2.1 云模型

用定性概念表達(dá)用戶對Web服務(wù)QoS屬性的偏好往往更真實(shí)且具備普遍性，但是在進(jìn)行運(yùn)算時還需要將定性值轉(zhuǎn)化為定量值，云模型[10]能夠進(jìn)行定性定量知識之間的相互轉(zhuǎn)化，而且云模型在表達(dá)定性概念時對模糊性和隨機(jī)性進(jìn)行了統(tǒng)一，更符合人類認(rèn)知不確定性的特點(diǎn)。

定義1云和云滴：設(shè)U是一個用精確數(shù)值表示的定量論域，C是U上的定性概念，若定量值x∈U，且x是定性概念C的一次隨機(jī)實(shí)現(xiàn)，x對C的確定度μ（x）∈[0，1]是具有穩(wěn)定傾向的隨機(jī)數(shù)，則x在論域U上的分布稱為云，每一個x稱為一個云滴。

μ：U→[0，1]?x∈U x→μ（x）

定義1中的隨機(jī)實(shí)現(xiàn)，是概率意義下的隨機(jī)實(shí)現(xiàn)。X對C的確定度μ是模糊集意義下的隸屬度，同時具有概率意義下的分布特征。因此，不難看出，云模型能夠較合理地體現(xiàn)隨機(jī)性和模糊性間的關(guān)聯(lián)性。云模型使用期望Ex、熵En和超熵He表示云的整體特征，Ex、En和He稱為云的數(shù)字特征。Ex是在論域空間最能夠代表定性概念的點(diǎn)，或者說是這個概念量化的最典型樣本。En代表定性概念的可度量粒度，熵越大，通常概念越宏觀，也是定性概念不確定性的度量，由概念的隨機(jī)性和模糊性共同決定。He是熵的不確定性度量，即熵的熵，由熵的隨機(jī)性和模糊性共同決定。

定義2一維正態(tài)云：設(shè)U是一個用精確數(shù)值表示的定量論域，C論域U上的定性概念，若定量值x∈U，且x是定性概念C的一次隨機(jī)實(shí)現(xiàn)，若x滿足x～N（Ex，En'2），其中En'～N（En，He2），且x對C的確定度滿足公式（1），則x在論域U上的分布稱為一維正態(tài)云。

（1）

正態(tài)云是云模型中一類重要的模型，其云滴的定量值由標(biāo)準(zhǔn)正態(tài)分布函數(shù)決定；而云滴的確定度函數(shù)則采用模糊集合論中廣泛使用的正態(tài)隸屬函數(shù)。本文所涉及的云模型均為一維正態(tài)云模型。

云模型的另一重要特征是可以實(shí)現(xiàn)定性值和定量值的不確定性轉(zhuǎn)換。正向云發(fā)生器是從定性到定量的映射，它根據(jù)云的數(shù)字特征（Ex，En，He）產(chǎn)生云滴。逆向云發(fā)生器實(shí)現(xiàn)從定量值到定性概念的映射。正、逆向云發(fā)生器如圖1所示。

正向正態(tài)云發(fā)生器生成云滴的算法在文獻(xiàn)[10]中給出，逆向正態(tài)云發(fā)生器的算法有多種，本文采用文獻(xiàn)[11]提出的算法。

2.2 熵方法

信息學(xué)中，熵是不確定性的一個指標(biāo)，可以用來度量某個信息中期望的信息含量。香農(nóng)給出的信息熵的定義如下：

其中，k是正常數(shù)，Pi是離散的概率分布，當(dāng)所有Pi=1/n，

i=1，…，n時，取得最大值。

由于Web服務(wù)的QoS屬性值包含一定的信息量，可以使用熵方法來評估QoS屬性的權(quán)重。對于m個功能相同的Web服務(wù)，n個QoS屬性，可構(gòu)成矩陣D，其中，表示具有相同功能的Web服務(wù)，來表示這些Web服務(wù)的QoS屬性。

Web服務(wù)關(guān)于屬性的評價定義為：

令Pij=Xij，則方案關(guān)于的熵Ej為：。其中，是一個常量，用來保證0≤Ej≤1。信息偏差度可以定義為dj=1-Ej，dj越大表示不同Web服務(wù)的屬性值Xij相差越大。使用熵方法計(jì)算不確定客觀權(quán)重將在3.2節(jié)中進(jìn)一步說明。

3 QoS屬性的不確定權(quán)重（Uncertain weight of

QoS criterions）

我們用來表示W(wǎng)eb服務(wù)QoS屬性的權(quán)重，其中表示屬性的權(quán)重，、、分別表示主觀權(quán)重、客觀權(quán)重和綜合權(quán)重。

3.1 主觀權(quán)重

用戶對QoS屬性偏好的主觀不確定性可以用云模型的數(shù)字特征來表示，如表1和表2所示，而基于用戶偏好求得的不確定主觀權(quán)重也適合用云模型的數(shù)字特征表示，即用表示，、、分別為的期望、熵和超熵，表示的一個云滴。

用戶可以通過兩種方式表示對QoS屬性的偏好：（1）直接給出每個QoS屬性偏好的定性值，可使用公式（2）計(jì)算。其中表示用戶對偏好的定性值，的取值可參考表1，是的一個云滴；（2）給出QoS屬性兩兩比較的定性值，我們用表示QoS屬性兩兩比較的矩陣，其中表示兩兩比較的定性值，取值可參考表2，為的一個云滴?？刹捎米钚《朔?，通過解決公式（3）的優(yōu)化問題求得，具體的求解過程可見文獻(xiàn)[12]的3.1.2節(jié)。以上兩種方法最終通過公式（4-6）求得，表示或的云滴個數(shù)。

上述兩種方法均可求解主觀權(quán)重，方法一需要對所有的QoS屬性的重要程度進(jìn)行對比，然后給出每個屬性重要程度的定性值，方法二只需將QoS屬性的重要性兩兩做比較，不需要將所有QoS屬性放在一起比較。當(dāng)QoS屬性較少時，使用方法1和2都可以，且方法一相對更簡單一些，當(dāng)QoS屬性較多時，使用方法2更容易讓用戶給出偏好信息。心理學(xué)的研究人員通過實(shí)驗(yàn)表明，普通人能夠區(qū)別的等級在5級至9級，并推薦定性屬性量化等級盡可能用9個等級，且為了習(xí)慣于方便，推薦取0至10之間的整數(shù)，0和10通常留作特殊情況使用[12]。因此，我們在表1和表2，以及后面的等級劃分中均采用了9個等級，且取之為1至9，而云模型中En和He往往會分別比Ex小一兩個數(shù)量級。

3.2 客觀權(quán)重

Web服務(wù)某些QoS屬性值具有不確定性，但是這些屬性值不確定的特點(diǎn)不盡相同。信譽(yù)度通常由用戶給出，具有主觀認(rèn)知的不確定性，執(zhí)行時間具有隨機(jī)性，且在不同的時間和地點(diǎn)也不同，可用性也因訪問的時間不同會不同。由于不同QoS屬性不確定的特點(diǎn)不同，因此，無法用統(tǒng)一表示QoS屬性的不確定，但為了計(jì)算方便且又能體現(xiàn)QoS屬性值的特點(diǎn)，通常選取最能代表QoS屬性特點(diǎn)的值用于計(jì)算，如均值。

熵方法中的信息偏差度dj代表不同Web服務(wù)在QoS屬性Cj的差異情況，我們使用公式（7）計(jì)算客觀權(quán)重OW。熵方法求取的QoS屬性權(quán)重與Web服務(wù)的Qos屬性值有關(guān)。對于某個QoS屬性，若所有的Web服務(wù)具有相近的結(jié)果，則該屬性的權(quán)重也較小；若某個屬性所有Web服務(wù)的結(jié)果差異非常大，則屬性的權(quán)重也較大。特別地，若某個屬性所有Web服務(wù)結(jié)果都相同，則屬性的權(quán)重為0。

3.3 綜合權(quán)重

現(xiàn)有研究中，Hu[4]和Xiong[6]使用公式（8）對主、客觀權(quán)重進(jìn)行綜合，徐[12]則提出如公式（9）所示的綜合方法，但都沒有對其綜合的意義進(jìn)行說明。根據(jù)微觀經(jīng)濟(jì)學(xué)中的消費(fèi)者偏好行為[13]，公式（8）的綜合方法類似于消費(fèi)者的完全替代型偏好的特點(diǎn)，即在綜合時，認(rèn)為QoS屬性的主、客觀權(quán)重可以完全互相替代，而公式（9）的綜合方法類似于消費(fèi)者的好行為偏好特點(diǎn)，即在綜合時，希望QoS屬性的主、客觀權(quán)重都越大越好、不希望其中一個特大而另外一個特小。為了能夠明顯的對Web服務(wù)進(jìn)行區(qū)分，我們希望QoS屬性的主、客觀權(quán)重都越大越好，且不希望兩個相差較大，因此，我們采用科布 道格拉斯效用函數(shù)[13]將主客觀權(quán)重進(jìn)行綜合，如公式（10）。可以看出，公式（10）與公式（9）非常像，不同之處就是可以通過指數(shù)參數(shù)對主客觀的比例進(jìn)行調(diào)節(jié)。

3.4 權(quán)重算法

云模型雖然可以很好地表達(dá)定性概念，實(shí)現(xiàn)定性定量值之間的轉(zhuǎn)化，但是云模型的三個數(shù)字特征還無法直接進(jìn)行復(fù)雜運(yùn)算，在求解權(quán)重時，首先用正向云生成器將定性值轉(zhuǎn)化為多組定量值，根據(jù)每組定量值計(jì)算一次權(quán)重，得到一組權(quán)重，這樣就會得到多組權(quán)重值，再通過逆向云生成器得到不確定權(quán)重。設(shè)A為用戶偏好信息的矩陣，D為Web服務(wù)QoS屬性值矩陣，B為主、客觀權(quán)重的合成比例的定性值，Ai、Bi表示利用正向云生成器生成的云滴，SW、OW、SOW分別代表不確定的主觀、客觀、綜合權(quán)重，SWi、SOWi代表利用Ai、Di計(jì)算得到的主觀、客觀、綜合權(quán)重，算法具體如下：

}

4 結(jié)論（Conclusion）

相同功能的Web服務(wù)進(jìn)行選擇時，QoS屬性的權(quán)重設(shè)置是一個關(guān)鍵問題，使用不確定權(quán)重能夠綜合反映用戶的主觀偏好信息及Web服務(wù)QoS屬性值的客觀特點(diǎn)，并在權(quán)重綜合時可通過比例調(diào)節(jié)平衡兩者。因此，Web服務(wù)選擇時，使用不確定權(quán)重更為合理。此外，不確定權(quán)重由于具有不確定性，并可利用云模型生成合理的多組權(quán)重值，從而能夠?yàn)闄?quán)重敏感性分析提供合理的權(quán)重量化值。

參考文獻(xiàn)（References）

[1] Amina Ahmed Nacer，et al.A Multi-criteria Based Approach for Web Service Selection Using Quality of Service（QoS）[C].2015 IEEE International Conference on Services Computing，2015：570-577.

[2] Huang Yingchun，Zhong Rui，Liu Hengchi.QoS Information of Interval Number in Web Service Selection[C].8th International Symposium on Computational Intelligence and Design，2015：404-407.

[3] Lei Sun，et al.QoS Uncertainty Filtering for Fast and Reliable Web Service Selection[C].2014 IEEE International Conference on Web Services，2014：550-557.

[4] Jianqiang Hu，et al.Quality Driven Web Services Selection[C].IEEE International Conference on e-Business Engineering，Beijing，2005，12：681-688.

[5] Hefeng Cao，et al.A Service Selection Model with Multiple QoS Constraints on the MMKP[C].IFIP International Conference on Network and Parallel Computing Workshops，Liaoning，October 22，2007：584-589.

[6] Pengcheng Xiong，Yushun Fan.QoS-aware Web Service Selection by a Synthetic Weight[C].Fourth International Conference on Fuzzy Systems and Knowledge Discovery，Haikou，December 18，2007：632-637.

[7] Yong Zhang，Shen-Sheng Zhang，Song-Qiao Han.A New Methodology of QoS Evaluation and Service Selection for Ubiquitous Computing[J].Lecture notes in computer science，2006，41（38）：69-80.

[8] Mei-Fang Chen，Gwo-Hshiung Tzeng，Ding C G.Fuzzy MCDM Approach to Select Service Provider[C].The 12th IEEE International Conference on Fuzzy Systems，July 09，2003：572-577.

[9] 劉曉光，金燁.網(wǎng)絡(luò)服務(wù)自動化中基于非功能性條件約束的服務(wù)選擇研究[J].計(jì)算機(jī)集成制造系統(tǒng)，2006，12（002）：297-300.

[10] 李德毅，杜鹢.不確定人工智能[M].北京：國防工業(yè)出版社，2005.

[11] Liu Chang-yu，et al.A New Algorithm of Backward Cloud[J].Journal of System Simulation，2004，16（11）：2417-2420.

[12] 徐玖平，吳巍.多屬性決策的理論與方法[M].北京：清華大學(xué)

出版社，2006.

[13] 歐瑞秋，王則柯.圖解微觀經(jīng)濟(jì)學(xué)[M].北京：中國人民大學(xué)出

版社，2005.