基于聯系數和灰關聯的Web 服務選擇模擬實驗設計

吳青林， 周天宏

(1.鄖陽師范高等專科學校 計算機科學系，湖北 十堰442000;2.武漢商學院 信息工程系，湖北 武漢430056)

0 引 言

Web 服務是面向服務體系結構軟件的重要形式，已廣泛應用在商業、金融、教育、國防等多個領域。隨著因特網技術的進一步發展，Web 服務數量迅速增加，將分布在網絡上的Web 服務有效組合成新服務，能夠更有效地滿足Web 用戶的個性化需求。由于存在多種Web 服務組合方案，如何在這些組合方案中快速準確地選擇出與用戶需求最相似的服務組合，是當前Web 服務組合領域的研究熱點。當前的服務選擇大多數按照Web 服務的QoS 參數信息進行加權和排序，并以此為依據選擇加權和最大的服務，這種選擇方式簡潔，但存在以下不足［1-3］:①對QoS 屬性的賦權多采用固定權重、單一權重賦權方法，對主客觀綜合賦權方法研究不深入，其賦權不具有伸縮性和模糊性;②Web 服務的QoS 屬性加權排序不夠準確，可能存在某個QoS 值特別高而使該服務的綜合值升高的情況;③沒有很好的考慮Web 服務與客戶的需求關系，可能導致優質服務資源的浪費。本文引入聯系數的概念提出了主客觀模糊權重處理方法，并結合灰色關聯理論將權重因子引入關聯度量化模型中設計服務選擇實驗，達到選擇出最符合用戶需求服務的目的。

1 相關定義及QoS 屬性預處理

1.1 相關定義

為了更好地從相似服務中選擇用戶所需服務，將本實驗用到的服務集合、屬性集及權重定義如下［4-5］:

定義1 設S = { s1，s2，…，sn}表示服務集合，si表示候選Web 服務，其中1≤i≤n，n 表示Web 服務的數量。

定義2 設Qi=(qi(1)，qi(2)，…，qi(m))，其中i=1，2，…，m，表示Web 服務的屬性個數，qi(j)表示Web 服務i 的第j 個QoS 屬性值。

定義3 ω =(ω1，ω2，…，ωm)，表示Web 服務的權重向量，ωm表示Web 服務的第m 個屬性權重，m 表示Web 服務的QoS 屬性數量。

1.2 Web 服務屬性預處理

Web 服務的屬性具有多樣性特點［6-7］:，有些QoS屬性是效益型變量，數字越大表示具有較高的性能，有些是成本型變量，數字越大性能越低，并且眾多QoS屬性的取值范圍具有不統一性，相差很大，不具有可比性。為了不同的QoS 屬性能夠比較，應將QoS 屬性轉化成無量綱的值，并將其都限定在［0 1］之間，本文采用下式對效益型和成本型QoS 參數進行歸一化預處理，歸一化公式為:

2 Web 服務權重確定

Web 服務的屬性種類繁多，不同應用環境下用戶對QoS 屬性的偏好不同，QoS 屬性值對服務質量的所起作用也不同。利用聯系數的不確定系數使權重具備一定的伸縮性，將主觀權重和客觀權重兩方面結合起來，有效地支持模糊賦權［8-9］。

2.1 主觀權重確定

主觀權重的確定主要依據Web 用戶對服務QoS屬性的認識程度，如果用戶對Web 服務認識清晰，用戶可以直接指定每個QoS 參數的權重，對權重的認識不清晰時，可以通過比較矩陣確定服務的權重，本文采用［10］提出的近似計算法求向量β = (ω1，ω2，…，ωn)，與Web 服務QoS 屬性值相對應。

2.2 客觀權重確定

客觀權重指挖掘Web 服務QoS 數據信息獲到的權重，常用的客觀權重確定方法有主成分分析取值法、因子分析法、熵權值法、變異系數改進法等。本文采用離差最大定權法確定客觀權重。根據QoS 數據信息，比較n 個候選Web 服務的每個QoS 屬性信息，其屬性值之差較大的屬性具有較大的權重，屬性值之差較小的屬性值具有較小的權重，當某一個QoS 屬性在所有候選服務都相等，則說明該QoS 屬性在Web 服務綜合質量排序中不起作用，因此確定該Web 服務的QoS 權重為零。根據以上思想，對n 個候選服務，每個服務含有m 個QoS 屬性值的權重計算方法為:

(1)對m 個QoS 屬性依次計算其最大離差σj(j=1，2，…，m)

(2)以σj為分子，以m 個QoS 屬性的最大離差σj之和作為分母確定每個屬性的權重，則第j 個屬性的權重為

2.3 綜合權重的確定

綜合權重是主觀權重和客觀權重的綜合作用值，引入聯系數將其表示為a +bi 的形式，聯系數a 和b的相互協同用用的大小是從原點指向u 的向量的模的大小，并根據聯系數模的物理意義，本文取聯系數的模為綜合權重值。

(1)由主觀權重確定法和客觀權重法確定的Web服務屬性權重不相同的，可以構成區間數wj=［，］，其是取第j 屬性客觀權重和主觀觀重較小的一個，取第j 屬性客觀權重和主觀權重較大的一個。

(2)將權重區間數以聯系數的形式表示:

(3)計算聯系數的模并將計算值作為該指標的綜合權重:

3 模擬實驗設計

3.1 實驗基本思想

實驗基于灰關聯技術建立選擇模型，灰關聯分析技術是一種系統分析技術，主要分析系統中各個因素的關聯程度，依據空間理論相關知識，確定參考因素與比較因素的關聯系數和關聯度［11-13］。灰關聯計算公式為對象的相似度提供了一種新的分析方法，通過相似度的計算來實現目標對象的選擇。在傳統的關聯度算法中先通過計算比較對象各局部指標的關聯系數，然后根據每個局部指標的權重進行加權平均計算出總體相似度。由于各個局部指標的權重不一樣，在本實驗中計算關聯系數時直接將權重引入，可以更加準確地反映各指標相似度關系。

3.2 實驗算法步驟

(1)設用戶需求服務歸一化的QoS 屬性值序列為Q0=(q0(1)，q0(1)，q0(2)，…，q0(n))，與客戶需求服務進行比較的QoS 值為Qi= (qi(1)，qi(2)，…，qi(n))，其中i=1，2，…，m。

(2)根據權重計算公式，計算出服務對應的權重序列為ω=(ω(1)，ω(2)，ω(3)，…，ω(n))，將權重引入到灰色關聯公式中，依據改進后的灰色關聯公式，Q0和Qi在指標k 的關聯系數定義如下:

式中:ξ 為分辨系數，取值在［0，1］之間，一般取0.5，ωk為不同QoS 屬性的權重。相似度關聯系數取值范圍為［0，1］，為1 時，表示與客戶需求服務完全一致;為0 時，表示與客戶需求服務相差甚遠。由式(5)計算m×n 個Web 屬性的灰色度，并構成相似矩陣:

(3)可選服務與參考需求服務灰色相似度確立。

①可選組合Web 服務qi與參考需求服務q0在QoS 屬性k 的距離可定義為:

函數Gd是基于灰色關聯理論的相對距離，其取值范圍為［0，∞］，當兩個服務屬性完全相似其相對距離取值為0，相差特別大時，就值就會變的很大［14-15］。

②根據歐幾里得距離公式，具有n 個QoS 屬性的可選組合服務qi與參考需求服務q0距離定義為:

③可選Web 組合服務qi與參考需求Web 服務q0的復合灰色相似度為:

灰色相似度取值范圍為［0，1］，越接近1 說明其與用戶需求越相似。

4 Web 服務選擇實例

在服務選擇實例中使用Matlab8.1.軟件模擬了4個可選服務，其服務集合為s = {s1，s2，s3，s4}，每個Web 組合服務的屬性集合

Q = {響應時間，成本，信譽度，完整性、安全性}經歸一化處理后的屬性值如表1 所示:

(1)確定主觀權重。通過Web 用戶評估的方法對表1 數據建立QOS 屬性比較矩陣，其比較矩陣如下:

表1 歸一化處理后的Web 組合服務QoS 屬性

根據以上比較矩陣和求解主觀權重的方法，計算出其權重向量為{0.263 6，0.477 3，0.053 1，0.098 8，0.107 2}。

(2)客觀權重確定。分別針對5 個QoS 屬性依次計算其最大離差σj，分別為:

(3)由客觀權重和主觀權重組成權重的區間數，其5 個QoS 屬性權重的區間數分別為:［0. 17 0.26］，［0.15，0.48］，［0.05，0.22］，［0.10，0.24］，［0.11，0.22］。

(4)將其轉化為聯系數的形式，則

同理σ2=0.315 +0.165i，σ3=0.135 +0.085i，σ4=0.17 +0.07i，5=0.165 +0.055i，分別求聯系數的模，歸一化的模為可得Web 服務的權重向量ω=(0.2，0.32，0.15，0.17，0.16)。

(3)由關聯系數公式計算出可選Web 服務與參考Web 服務各屬性灰色相似矩陣:

(4)根據可選服務組合q0與參考需求服務qi的復合灰色相似度公式，計算每個可選服務與參考需求服務的相似度，為GS(q0，qi)= (0. 43，0. 29，0. 68，0.35)，因此第三個候選Web 服務與用戶要求最具有相似性。

(5)實驗結果分析。本文利用聯系數“模”的性質，綜合了主觀權重的客觀權重相互作用的信息，與傳統加權灰色關聯分析方法的結果一致，并且本實驗提出的方法進一步提高相似度的分辨率。由于本實驗的聯系數包括不確定信息，從不確定角度分析了實驗結果，通過設置聯系數中的不確定數i 不同取值展開分析，檢查不同i 值對Web 服務排序結果是否產生。分析過程中分別取i =－1、i =1/2、i =2/5、i =1，經計算驗證Web 服務的排序順序均沒有發生改變，結果表明該相似服務選擇方法的穩定性和可靠性。

5 結 語

服務組合中相似服務的選擇問題是Web 服務組合的關鍵技術，本文實驗考慮Web 服務QoS 屬性的重要程度不一樣，將權重引入灰色相似度的計算公式中，更加科學的體現了QoS 重要程度對服務選擇的影響，有利于相似Web 服務的選擇。在權重的確定過程中利用層次分析法和離差最大定權法分別確定Web 服務的主觀權重和客觀權重，并引入聯系數的概念根據其模的幾何意義確定主觀權重和客觀權重相互作用的綜合權值。本文實驗提出的Web 服務組合的相似服務的選擇實驗方法，物理意義明確，計算過程簡明，很好的解決了多指標因素相互關聯情況下的Web 服務選擇問題，并可以為其他領域的檢索和選擇問題提供參考作用。

［1］ 溫 濤，李迎秋. 不確定信息下基于改進粒子群算法的服務選擇［J］.吉林大學學報(工學版)，2014，44(1):129-136.

［2］ 汪明天，劉夫云.基于加權灰關聯的產品配置相似實例檢索算法研究［J］.計算機應用研究，2009，26(11):4084-4086.

［3］ 薛 霄，劉志中. 服務質量可定制的企業協同Web 服務組合方法［J］.計算機集成制造系統，2013，19(11):2091-2021.

［4］ 方其慶，劉慶華，彭曉明. QoS 全局最優的多目標Web 服務選擇算法［J］.計算機應用研究，2009，26(12):4442-4445.

［5］ 張成文，蘇 森，陳俊亮.基于遺傳算法的QOS 感知的Web 服務選擇［J］.計算機學報，2006，29(07):1029-1037.

［6］ 孟凡立，徐 明，孫 榮.虛擬化平臺下數據存儲方式的選擇與優化探討［J］. 實驗室研究與探索，2012，31(9):52-56.

［7］ 鄧聚龍.灰色理論基礎［M］.武漢:華中科技大學出版社，2002:112-202.

［8］ 吳大中，高 飛.一種HEVC 幀內模式選擇的快速算法［J］.實驗室研究與探索，2014，33(6):107-110.

［9］ 吳開亞，金菊良，王文圣. 基于集對分析的組合評價模型及其應用［J］.數學的實踐與認識，2013，43(3):1-6.

［10］ 運籌學教材編寫組. 運籌學［M］.4 版. 北京:清華大學出版社，2014:522-527.

［11］ 康國勝，劉建勛，唐明董.QoS 全局最優動態Web 服務選擇算法［J］.小型微型計算機系統，2013，34(1):73-76.

［12］ 李祚泳，鄔 敏，劉智勇，等.聯系數中i 賦值的新途徑及在水質評價中的應用［J］.四川大學學報(工程科學版)，2009，41(1):8-13.

［13］ 劉秀梅，趙克勤.基于二次聯系數的區間數多屬性決策方法及應用［J］.模糊系統與數學，2011，25(5):115-121.

［14］ 何炎祥，吳 釗.動態Web 服務組合關鍵技術與性能分析［M］.北京:清華大學出版社，2011:6-78.

［15］ 王紅兵，孫文龍，王華蘭. Web 服務選擇中偏好不確定問題的研究［J］. 計算機學報，2013，36(2):275-284.