摘要：获取满足全局优化目标的资源分配策略,是影响云环境中基于服务的软件系统(service-based software system,简称SBS)运行时优化效果的关键.然而,由于SBS内部复杂的业务逻辑关系和云环境中的资源约束,现有分配方法无法得到最优资源分配量.以满足SLA约束和最小化资源成本为目标,根据不同资源状态对应不同组件服务性能的特点,将组件服务可能的资源分配量、相应性能及成本转换为备选逻辑服务集,进而提出了一种云环境中基于服务选取的SBS资源优化分配模型,并设计了一种求解模型的混合遗传算法.算法采用整数编码以提高求解效率,并在选择算子中引入了精英保留策略,从而保证收敛到全局最优解.为提高遗传算法的局部搜索能力、加快收敛速度,以局部搜索策略改进了标准变异算子.实验验证了所提出的资源优化分配模型和求解算法的有效性,并表明:与分支定界法及精英保留策略遗传算法相比,混合遗传算法能够在较大规模的问题上快速获得具有较低资源成本的资源分配策略.

摘要：在对蚁群算法进行总结分析的基础上,提出了求解该问题的蚁群优化模型,定义了针对服务选取问题的信息素及启发式信息,并采用6种蚁群算法对该问题进行了求解.最后通过试验对这些算法在服务选取问题中的适用性进行了分析,并与最近提出的服务选取算法进行了比较.结果表明,设计的不同蚁群算法在求解该问题时性能差异较大,其中ACS算法不但收敛速度快,其求解质量也好于被比较的其他算法.

摘要：为解决大规模服务选取问题,提出了一种混合蚁群优化(HACO)算法.该算法先采用动态skyline服务查询过程过滤抽象服务类相关的冗余候选服务,以大力缩减空间提高查找效率,然后利用聚类设计动态构造图来引导蚂蚁的搜索方向,从而确定局部服务选取的搜索区域;基于已经确定的局部服务选取的搜索区域,利用启发式策略选取具体的组合服务.采用标准的真实数据集和综合产生的数据集对所提的方法进行试验评估,以及和最近提出的相关组合服务算法进行对比.实验结果在解的质量和处理时间方面效果显著.

摘要：针对基于SOA的指挥信息服务QoS描述问题,对比分析了Web服务QoS描述模型与指挥信息服务QoS描述模型的差异性,结合指挥信息服务面向作战应用的特性需求,提出了一种指挥信息服务二维QoS描述模型。在此基础上,通过对QoS指标进行标准化处理并采用格贴近度的计算方法指导指挥信息服务的选取,为提高指挥信息服务选取的准确性及满足指挥信息服务组合整体QoS约束奠定基础。

摘要：针对指挥业务服务选取问题,分析了指挥业务服务可靠性度量的方法,建立了基于冗余的指挥业务组合服务可靠性评价模型,并结合指挥业务自身的特殊需求,提出了一种面向执行效率和可靠性约束的指挥业务服务选取算法,该方法是在满足指挥业务整体约束条件和可靠性保证的前提下得出的近优解,因此能满足联合调度指挥业务流程复杂、多变的特性,为实现联合指挥调度的指挥业务服务自动组合奠定了基础。