一種支持混合QoS屬性的服務(wù)選擇方法

張麗芬　董才林　喻　瑩　王艷紅　賈靜蘭

(華中師范大學數(shù)學與統(tǒng)計學學院　湖北 武漢 430079)

?

一種支持混合QoS屬性的服務(wù)選擇方法

張麗芬董才林喻瑩王艷紅賈靜蘭

(華中師范大學數(shù)學與統(tǒng)計學學院湖北 武漢 430079)

當前的服務(wù)選擇方法大都假設(shè)所有服務(wù)的QoS(Quality of Service)屬性值必須均為確定的實數(shù)，并未考慮QoS屬性的模糊性。這個假設(shè)在實際應(yīng)用需求中具有一定的局限性，還會丟失大量的數(shù)據(jù)信息。為增強QoS表達能力，將QoS屬性值描述成精確數(shù)值型、區(qū)間數(shù)值型、模糊數(shù)值型。同時，用序關(guān)系向量表示用戶對不同QoS屬性的需求偏好，將其轉(zhuǎn)換成用戶對QoS屬性的主觀權(quán)重，并采用熵權(quán)法計算QoS屬性的客觀權(quán)重。在此基礎(chǔ)上，采用相對優(yōu)勢度算法給出混合QoS屬性的服務(wù)選擇過程。最后通過模擬和實驗驗證，證明相對優(yōu)勢度算法的有效性與合理性。

服務(wù)選擇混合QoS相對優(yōu)勢度序關(guān)系向量熵權(quán)

0　引　言

隨著互聯(lián)網(wǎng)的快速發(fā)展，Web服務(wù)得以廣泛運用，相關(guān)技術(shù)不斷進步和發(fā)展。在Internet上涌現(xiàn)了大量的服務(wù)，為了選擇最合適的服務(wù)，服務(wù)請求者通常首先搜索滿足自身功能性需求的服務(wù)，發(fā)布在Internet上的多個服務(wù)(功能相似)都符合服務(wù)請求者功能性需求時，用戶需要依據(jù)服務(wù)的非功能性屬性尤其是服務(wù)質(zhì)量QoS來進行服務(wù)選擇。

從公開文獻中可以發(fā)現(xiàn)，支持QoS的服務(wù)選擇方法有基于QoS語義[1,2]的和基于QoS屬性[3,4]的兩種。以QoS語義為基礎(chǔ)的服務(wù)選擇方法是基于語義級的，它的基礎(chǔ)是本體論，即QoS屬性的描述采用QoS本體的方式，QoS的匹配依據(jù)QoS本體中的相似度。王偉鋒等提出一種基于QoS的語義Web服務(wù)選擇框架[1]，該框架不但可以提高QoS的語義描述能力，還能有效實現(xiàn)對服務(wù)的動態(tài)發(fā)現(xiàn)和選擇。Tian等設(shè)計一種稱為WS-QoS的方法對服務(wù)進行動態(tài)選擇[2]，并構(gòu)造出一個基于QoS語義的服務(wù)信譽框架和概念模型。以QoS屬性為基礎(chǔ)的服務(wù)選擇方法是通過計算服務(wù)的各個QoS屬性值，獲得各個服務(wù)的QoS度量值，依據(jù)所定義的評價標準，對服務(wù)進行排序以實現(xiàn)服務(wù)的選擇與評估[5]， 該方法是當今研究服務(wù)選擇問題中較為流行的方法。王飛等借助模糊數(shù)學理論來描述服務(wù)的QoS屬性，在此基礎(chǔ)上，給出服務(wù)的評價與決策過程[3]，以便服務(wù)請求者選擇合適的服務(wù)。李蜀瑜等通過比較兩個服務(wù)的QoS屬性的歐氏距離[4]，以此對兩者的匹配度進行度量。

然而，目前基于QoS的服務(wù)選擇方法中大都假設(shè)QoS屬性的取值為一個確定的實數(shù)，未考慮QoS屬性的模糊性。事實上，由于QoS屬性的多樣性以及服務(wù)資源調(diào)度的靈活性，使得服務(wù)提供者很難公布QoS屬性的精確信息[6]，用精確實數(shù)表示服務(wù)的各個QoS屬性值具有一定的不合理性。 為了有效解決這個問題，本文使用精確數(shù)值型、區(qū)間數(shù)值型、三角模糊數(shù)值型對QoS屬性值分別進行描述，在此基礎(chǔ)上，采用相對優(yōu)勢度算法給出混合型QoS屬性的服務(wù)選擇過程。

1　QoS屬性描述

為了對比功能相似服務(wù)質(zhì)量卻不同的服務(wù)，需要構(gòu)建服務(wù)的QoS屬性模型。服務(wù)的質(zhì)量信息可以采用不同的QoS屬性進行描述，本文通過費用、可用性、響應(yīng)時間、可靠性和聲譽等5個屬性來建立QoS屬性模型：

1) 費用(Price)：費用是服務(wù)請求者調(diào)用服務(wù)時必須支付的貨幣量，在短期內(nèi)基本不會發(fā)生變化，該值可用精確數(shù)值型表示。

2) 可用性(Availability)：可用性是服務(wù)在給定的一段時間內(nèi)可訪問的概率，因此將其表示為一個介于[0,1]區(qū)間的精確實數(shù)。

3) 響應(yīng)時間(Time)：響應(yīng)時間表示從服務(wù)請求者發(fā)出調(diào)用申請到最終獲取服務(wù)執(zhí)行結(jié)果所需時間。由于網(wǎng)絡(luò)環(huán)境的動態(tài)性以及用戶請求數(shù)的變化，響應(yīng)時間T具有一定的波動特性，因此本文將響應(yīng)時間T表示成一個區(qū)間型數(shù)值。

4) 可靠性(Reliability)：可靠性是衡量服務(wù)整體性能的指標量；其屬性值來源于用戶在調(diào)用服務(wù)過程中，對該服務(wù)的性能指標所作出的主觀反饋。對于一個普通用戶來說，通常都會以極高、很高、高、較高、一般、較低、低、很低、極低等語言型數(shù)值來表達可靠性。雖然語言型的數(shù)據(jù)具有合理的描述能力，但是無法直接參與QoS的度量計算，因此本文采用三角模糊數(shù)型對其量化。Re=(al,am,au) ，其中al,am,au分別表示三角模糊數(shù)的下界、核和上界值。三角模糊數(shù)的取值一般由領(lǐng)域?qū)＜?QoS專家和用戶專家)給出[7]。

5) 聲譽(Reputation)：聲譽是衡量服務(wù)可信賴性的QoS屬性，它主要依賴客戶使用該服務(wù)的經(jīng)歷，由客戶反饋得到，但是由于一些惡意打擊，客戶主觀的聲譽值缺少一定的可信性。因此，本文采用文獻[8]給出的Web聲譽模型WSrep，聲譽值可由該模型自動生成。

2　主觀權(quán)重的序關(guān)系向量表示

由于服務(wù)存在多個QoS屬性，因此，當用戶面臨多個QoS需求間進行比較決策時，需要考慮用戶對不同QoS屬性的需求偏好[9]。用戶利用排序的方式來表示對不同QoS屬性的重視程度，從而可得各個QoS屬性相對重要程度，更能體現(xiàn)一般用戶的偏好需求[10]，彌補了精確權(quán)重表示的不足。設(shè)偏好次序為o=(o1,o2,…,oi,…,om)T，oi∈[1,m]表示用戶對服務(wù)QoS屬性ai的偏好次序，且oi值越小，用戶的偏好程度越大。令vi=(m-oi)/(m-1)，vi為用戶對QoS需求偏好的序關(guān)系向量，顯然，vi值越大，用戶的偏好程度越大，wis也越大。

對于用戶給出的序關(guān)系型權(quán)重信息vi，最終的權(quán)重值應(yīng)該盡可能地與它貼近，以此確保屬性的主觀權(quán)重wis能夠充分反映用戶對QoS屬性的偏好，即主觀權(quán)重wis盡可能地貼近vi。將某候選服務(wù)第i個屬性與第j個屬性間的序關(guān)系型權(quán)重信息的貼近度定義為：

那么候選服務(wù)所有m個QoS屬性的序關(guān)系型權(quán)重信息的總貼近度和為：

為了獲得各QoS屬性最優(yōu)的主觀權(quán)重，需要保證總貼近度值最小，據(jù)此可構(gòu)造如下最優(yōu)化模型：

(1)

3　客觀權(quán)重的熵權(quán)型表示

為了能讓QoS屬性的度量結(jié)果確切地體現(xiàn)服務(wù)的整體性能，以避免服務(wù)選擇中用戶偏好的局限性，本文提出客觀權(quán)重的熵權(quán)法。熵權(quán)法[11]通過綜合考慮各因素的信息量來計算一個綜合指標，它主要依據(jù)各因素所反映的信息量大小來確定權(quán)重。熵權(quán)法可以貼切地反映服務(wù)各QoS屬性的信息量，有效解釋各QoS屬性在QoS度量中的作用，它以服務(wù)QoS屬性值的信息熵作為客觀權(quán)重的確定依據(jù)。由此構(gòu)造熵權(quán)模型以確定候選服務(wù)各QoS屬性的客觀權(quán)重，步驟如下：

設(shè)現(xiàn)有n個功能相似的候選服務(wù)WS={ws1,ws2,…,wsn}，對于每個候選服務(wù)都有以上的5個通用屬性，其中，可用性、可靠性、聲譽為正向?qū)傩?表現(xiàn)值越大越好的屬性)，費用和響應(yīng)時間為負向?qū)傩?表現(xiàn)值越大越劣的屬性)。那么n個服務(wù)的QoS屬性值可以構(gòu)成一個矩陣A=[aij]n×5，aij表示第i個服務(wù)的第j個屬性的QoS取值。

為了統(tǒng)一數(shù)據(jù)量綱，需要將決策矩陣A=[aij]n×5規(guī)范為標準化決策矩陣B=(bij)n×5。

步驟如表1所示。

表1　客觀權(quán)重步驟示意

續(xù)表1

熵權(quán)的定義如下：

定義1對于一個具有n個候選服務(wù)、m個屬性的多屬性決策問題，屬性j(1≤j≤m)的熵定義為:

(2)

定義2目前對于區(qū)間數(shù)值型、三角模糊數(shù)值型的客觀賦權(quán)方法主要有區(qū)間數(shù)指標熵值法，它通過對各端點值求平均值，將區(qū)間型和三角模糊數(shù)型數(shù)值轉(zhuǎn)化為實數(shù)型數(shù)值。然后利用平均值的信息熵來反映，但是這種方法顯然不能充分反映各端點值間的偏差程度，存在一定的不足。在這里，本文綜合利用各端點值輸出的信息熵，以其平均值Ej來反映[12]:

(3)

(4)

將主觀權(quán)重和客觀權(quán)重相結(jié)合，可得到各屬性的綜合權(quán)重：wj=αwjs+(1-α)wjo，j=1,2,…,m，其中α∈[0,1]值可根據(jù)用戶主觀偏好的重要性而定。該系數(shù)表示服務(wù)選擇中對用戶偏好的依賴程度，即基于QoS的服務(wù)選擇結(jié)果中主觀與客觀的比值，若忽略用戶偏好，α取0；若服務(wù)選擇完全依賴用戶偏好，α取1。其值可依據(jù)用戶主觀偏好的重要性而定。顯然，當α越大，主觀權(quán)重對于綜合權(quán)重的影響也就越明顯。

4　基于相對優(yōu)勢度算法的服務(wù)排序

現(xiàn)有的針對混合QoS屬性的服務(wù)選擇問題的解決方法主要有兩種：一種是先將混合的屬性信息進行一致化，然后進行排序度量。所謂一致化就是將混合的屬性信息轉(zhuǎn)換成同一種數(shù)據(jù)類型，在這個過程中會造成混合屬性信息的丟失，最后的決策結(jié)果很難具有較高的精確性。另一類則是利用擴展TOPSIS算法(technique for order preference by similarity to a ideal solution)，依據(jù)不同類型數(shù)據(jù)之間的距離[13]，計算每個評價對象和正、負理想解之間的距離，依據(jù)得到的距離對評價對象進行排序。該算法需要先對不同類型的數(shù)據(jù)進行歸一化，其次找出正負理想解(并非實際存在)。另外，計算每個服務(wù)在各個屬性上與正負理想解的歐式距離，計算過程較為復(fù)雜。

為了有效解決現(xiàn)有方法的不足，本文采用相對優(yōu)勢度算法解決服務(wù)選擇問題。相對優(yōu)勢是國際貿(mào)易學的重要理論，它的原理是指一個生產(chǎn)者提供相同的服務(wù)或生產(chǎn)相同的商品時成本優(yōu)于另一個生產(chǎn)者。因而，相對優(yōu)勢原理借用到服務(wù)選擇過程中，就可以理解成在服務(wù)提供者提供的眾多功能相同的候選服務(wù)集中，比較各個服務(wù)的服務(wù)質(zhì)量，從中篩選出服務(wù)質(zhì)量(QoS)相對最具優(yōu)勢的服務(wù)，即優(yōu)勢度最高的服務(wù)。

根據(jù)服務(wù)QoS屬性之間可以相互補償?shù)奶攸c，建立基于相對優(yōu)勢度的排序方法[14]。將總優(yōu)勢度值作為度量標準，對所有的候選服務(wù)進行排序后，就可以首先調(diào)用排序最優(yōu)的服務(wù)，將其他服務(wù)視為備用服務(wù)。這樣即使當排序最優(yōu)的候選服務(wù)QoS下降甚至不可訪問時，也能夠及時調(diào)用備選服務(wù)，無需對候選服務(wù)進行再一次的排序計算。在該方法中，首先計算每個服務(wù)在每個屬性上相對于其他服務(wù)的優(yōu)勢度,然后進行集結(jié)，最后得出每個服務(wù)相對于其他所有服務(wù)的總優(yōu)勢度，依總優(yōu)勢度值進行排序。該方法不需進行數(shù)據(jù)類型的轉(zhuǎn)換，不必找正負理想服務(wù)，在實際的候選服務(wù)之間直接進行優(yōu)勢度的計算，計算過程簡單直接。基于相對優(yōu)勢度的Web服務(wù)排序如圖1所示。

圖1　基于相對優(yōu)勢度的Web服務(wù)排序

下面分別定義了精確數(shù)值型、區(qū)間數(shù)值型、三角模糊數(shù)值型中任意兩個數(shù)據(jù)之間的相對優(yōu)勢。

定義3設(shè)a、b是兩個實數(shù)，則a對于b的優(yōu)勢可以表示為：

s(a,b)=a-b

(5)

(6)

定義5設(shè)a=(al,am,au)、b=(bl,bm,bu)是兩個三角模糊數(shù)，其中0

(7)

其中，la=au-al,lb=bu-bl。

相對優(yōu)勢度的排序方法:

第一步依據(jù)有限候選服務(wù)的各個屬性值，計算服務(wù)wsi相對于服務(wù)wsj在每個屬性at上的優(yōu)勢s(wsit,wsjt)=s(ait,ajt),i,j=1,2,…,n,i≠j；

當at屬性值是實數(shù)時，s(ait,ajt)按式(5)計算；

當at屬性值是區(qū)間時，s(ait,ajt)按式(6)計算；

當at屬性值是三角模糊數(shù)時，s(ait,ajt)按式(7)計算。

第二步集結(jié)所有的s(wsit,wsjt)值，計算服務(wù)wsi相對于服務(wù)wsj在每個屬性at上的優(yōu)勢度Dt(wsit,wsjt)；

若at是正向?qū)傩?則

Dt(wsit,wsjt)=s(wsit,wsjt)/maxst

(8)

若at是負向?qū)傩?則

Dt(wsit,wsjt)=-s(wsit,wsjt)/maxst

(9)

第三步計算服務(wù)wsi相對于服務(wù)wsj在所有屬性上的優(yōu)勢度：

(10)

其中，wt是屬性at的綜合權(quán)重。

第四步計算每個服務(wù)wsi相對于其他所有服務(wù)的總優(yōu)勢度：

(11)

第五步根據(jù)D(wsi)排序。D(wsi)越大，說明服務(wù)wsi相對于其他服務(wù)的總優(yōu)勢度值越大，該服務(wù)排序越靠前。

5　實例及實驗

基于文獻[8]提供的混合QoS數(shù)據(jù)，候選服務(wù)QoS隨機生成范圍如下：價格在100～150之間；可用性在0.80～0.99之間；響應(yīng)時間上界在180～280之間，下界在280～360之間；可靠性隨機選取的語言短語集合{極高，很高，高，較高，一般，較低，低，很低，極低}，對應(yīng)的三角模糊數(shù)見可靠性描述；聲譽值按照模型自動生成，表2給出了QoS屬性集合。本文以隨機生成的混合QoS屬性數(shù)據(jù)值為基礎(chǔ)，引入主觀權(quán)重與客觀權(quán)重綜合所得權(quán)重，按照相對優(yōu)勢度方法對服務(wù)排序，采用Matlab 7.0模仿服務(wù)選擇。

表2　候選服務(wù)的QoS屬性值

續(xù)表2

1) 為了驗證本文算法的可行性，分別利用本文相對優(yōu)勢度算法、混合信息一致化算法(通過求區(qū)間型和三角模糊型數(shù)值各端點值的平均數(shù)，將混合的屬性信息轉(zhuǎn)換成精確實數(shù))和文獻[13]中的TOPSIS算法對下列15個候選服務(wù)排序。文獻[13]中，為了計算簡便，直接設(shè)各QoS屬性權(quán)重均為0.2。為了能在相同的屬性權(quán)重情況下，比較三種算法的最終排序結(jié)果，因而也先假設(shè)各屬性權(quán)重為0.2?；谙鄬?yōu)勢度算法、混合信息一致化算法和TOPSIS算法的服務(wù)排序結(jié)果如圖2所示。

圖2　三種算法的排序結(jié)果

可以看出，基于相對優(yōu)勢度算法與基于TOPSIS算法的排序結(jié)果基本相同，基于混合信息一致化算法排序結(jié)果卻有較明顯的差異?；诨旌闲畔⒁恢禄惴ㄋ@取的最優(yōu)服務(wù)是ws1，而利用本文的相對優(yōu)勢度算法與TOPSIS算法獲取的最優(yōu)服務(wù)均是ws7。由表2知，服務(wù)ws7與服務(wù)ws1相比，盡管服務(wù)ws1響應(yīng)時間的最小值優(yōu)于ws7，但它們在費用、可靠性這兩個屬性上取值相同，且ws7在可用性與聲譽屬性上的QoS值均明顯優(yōu)于ws1。因此，ws7明顯優(yōu)于ws1， 從而說明本文相對優(yōu)勢度算法不僅可行且有效，而混合信息一致化算法精確性不高。

2) 不同算法執(zhí)行效率的對比。由圖3可以看到，隨著候選服務(wù)數(shù)目的增加，兩種算法的平均運行時間呈遞增形式，這是符合實際情況的。另外，基于相對優(yōu)勢度算法的執(zhí)行效率要優(yōu)于基于TOPSIS算法的執(zhí)行效率，因為TOPSIS算法要對屬性矩陣進行歸一化，而且需計算較復(fù)雜的歐氏距離，在運行時間上明顯大于相對優(yōu)勢度算法。

圖3　兩種算法運行效率的對比

3) 分析基于需求偏好的不同賦權(quán)模式的服務(wù)選擇。當α=0時，即在計算QoS屬性權(quán)重時，完全依賴于用戶對QoS的需求偏好，稱其為需求偏好的主觀賦權(quán)模式；當α=1時，即在計算QoS屬性權(quán)重時，忽略用戶的需求偏好，僅考慮QoS屬性值客觀數(shù)據(jù)，稱其為需求偏好的客觀賦權(quán)模式；當α=0.5時，即在計算QoS屬性權(quán)重時，既考慮用戶的需求偏好又考慮QoS屬性值，稱為需求偏好的主客觀賦權(quán)模式。候選服務(wù)的總優(yōu)勢度如表3所示。

表3　候選服務(wù)的總優(yōu)勢度

選取排序前四的4個候選服務(wù)，計算它們在各個QoS屬性上的均值(在計算響應(yīng)時間時，取區(qū)間左右兩端值的平均值)。為了能在一個圖中直觀顯示與比較基于不同賦權(quán)模式的服務(wù)選擇的排序結(jié)果，將可用性、聲譽的屬性值放大100 倍，費用和響應(yīng)時間的屬性值縮小10 倍，如圖4所示。

圖4　不同賦權(quán)模式的服務(wù)選擇結(jié)果對比

由圖4可知，主觀賦權(quán)模式分別在費用、聲譽達到最大，但可用性偏低，響應(yīng)時間偏高，用戶偏好使得服務(wù)QoS屬性信息的實際效用不一致；客觀賦權(quán)模式在可用性、響應(yīng)時間達到最優(yōu)，但聲譽、費用不是最佳；而主客觀賦權(quán)模式在各個QoS屬性信息上表現(xiàn)了很好的中間性， 既能表達用戶偏好又能反映服務(wù)QoS的客觀特征，顯示出更強的靈活特性。

6　結(jié)　語

在開放的Internet環(huán)境中，描述服務(wù)QoS屬性的方式具有多樣性。本文使用精確數(shù)值型、區(qū)間數(shù)值型、三角模糊數(shù)值型對QoS屬性值分別進行描述，利用序關(guān)系向量表示用戶的主觀偏好，同時利用熵權(quán)表示QoS屬性的客觀權(quán)重。在此基礎(chǔ)上，采用相對優(yōu)勢度算法給出混合型QoS屬性的服務(wù)選擇過程。

通過模擬仿真和實驗驗證，相對優(yōu)勢度算法能夠有效地對功能相似的服務(wù)優(yōu)劣作出選擇，篩選出既能滿足用戶QoS需求偏好又具有較優(yōu)質(zhì)量的服務(wù)；并且該算法與現(xiàn)有算法相比具有較高的執(zhí)行效率。本文采用需求偏好的主客觀賦權(quán)模式在各個QoS屬性值上能夠表現(xiàn)出很好的中間性，進一步證明了主客觀賦權(quán)模式的合理性。如何把相對優(yōu)勢度算法用于大批量的混合型QoS屬性的服務(wù)選擇是下一步需要研究的問題。

[1] 王偉鋒,劉亞軍.基于QoS的語義Web服務(wù)選擇框架[J]. 計算機與數(shù)字工程,2009,37(9):15-19.

[2] Tian M,Gramm A,Ritter H, et al.Efficient selection and monitoring of QoS-aware web services with the WS-QoS framework[C]//Proceedings of the IEEE/WIC/ACM International Conference on Web Intelligence,Beijing,China,2004:152-158.

[3] 王飛,鄒仕洪,陳山枝，等. 基于模糊數(shù)學的Web服務(wù)QoS建模[J]. 計算機應(yīng)用研究,2007,24(4):214-216.

[4] 李蜀瑜,周娟. 基于WSMO服務(wù)質(zhì)量的語義Web服務(wù)發(fā)現(xiàn)框架[J]. 計算機應(yīng)用,2009,29(8):2299-2302.

[5] 王勝利.數(shù)據(jù)挖掘技術(shù)在Web服務(wù)分類中的應(yīng)用研究[D].廣東：暨南大學,2010.

[6] 馬玉倩,付曉東, 代志華，等.一種混合QoS 感知的Web 服務(wù)選擇方法[J]. 計算機應(yīng)用與軟件,2012,29(6):39-42.

[7] Klir G J, Yuan B. Fuzzy Sets and Fuzzy Logic: Theory and Applications[M].New Jersey: Prentice Hall PTR, 1995.

[8] 楊放春, 蘇森, 李禎. 混合QoS模型感知的語義 Web 服務(wù)組合策略[J].中國科學E輯：信息科學, 2008, 38(10):1697-1716.

[9] 馬友,王尚廣,孫其博，等.一種綜合考慮主客觀權(quán)重的 Web 服務(wù)QoS度量算法[J].軟件學報, 2014,25(11):2473-2485.

[10] 辛樂,范玉順,李想,等.基于服務(wù)信譽評價的偏好分析與推薦模型[J].計算機集成制造系統(tǒng)，2014,20(12):3170-3181.

[11] 程冬,董才林,喻瑩.一種基于模糊理論的Web服務(wù)信任評估模型[J].計算機應(yīng)用與軟件，2012,29(10):82-84，179.

[12] 郭秀英.區(qū)間數(shù)指標權(quán)重確定的熵值法改進[J].統(tǒng)計與決策，2012(17):32-34.

[13] 李小林,張力娜. 基于混合QoS模型的服務(wù)選擇策略[J].科學技術(shù)與工程，2012,12(22):5653-5657，5660.

[14] Qian Y H, Liang J Y,Song P,et al. On dominance relations in disjunctive set-valued ordered information systems[J].International Journal of Information Technology and Decision Making,2010,9(1):9-33.

A WEB SERVICE SELECTION METHOD SUPPORTING HYBRID QOS ATTRIBUTES

Zhang LifenDong CailinYu YingWang YanhongJia Jinglan

(School of Mathematics and Statistics, Huazhong Normal University, Wuhan 430079,Hubei,China)

Current Web service selection methods mostly assume that all the QoS attribute values of Web services have to be the definite real numbers; but do not take into account the fuzziness property of QoS. This hypothesis has certain limitation in practical application requirement; what’s more, it will also cause the loss of a large amount of data information. To enhance the representation capability of QoS, we described the QoS attributes as the accurate numerical type, the interval numerical type and the fuzzy numerical type. At the same time, we used the order relations vector to represent the demand preference of user on different QoS attributes and converted them into user’s subjective weights on QoS attributes, as well as calculated the objective weights of QoS attributes with entropy weight. On this basis, we gave Web service selection process of hybrid QoS attributes by using relative superiority degree algorithm. At last we proved the effectiveness and rationality of the relative superiority degree algorithm through simulation and experiment verification.

Web service selectionHybrid QoSRelative superiority degreeOrder relation vectorEntropy weight

2015-04-20。張麗芬，碩士生，主研領(lǐng)域：Web服務(wù)。董才林，教授。喻瑩，副教授。王艷紅，碩士生。賈靜蘭，碩士生。

TP3

A

10.3969/j.issn.1000-386x.2016.09.004