云計(jì)算的快速發(fā)展推動(dòng)了各個(gè)行業(yè)資源的協(xié)調(diào)整合,越來越多的個(gè)人與組織機(jī)構(gòu)將本地的應(yīng)用資源以Web服務(wù)的形式遷移到云計(jì)算資源池中,以便用戶選擇調(diào)用。這種服務(wù)部署模式加快了 Web服務(wù)資源數(shù)量與質(zhì)量的更新速度,云資源池中的Web服務(wù)呈爆炸式增長。個(gè)人或企業(yè)不斷創(chuàng)造新的Web服務(wù),在滿足用戶需求的同時(shí),為了追求Web服務(wù)利用率的最大化和良好的用戶體驗(yàn),將單一功能的Web服務(wù)進(jìn)行組合,形成了更有價(jià)值的Web服務(wù)組合。云計(jì)算環(huán)境下的Web服務(wù)組合因生態(tài)系統(tǒng)復(fù)雜性給服務(wù)計(jì)算提出新難題。本文探討了云計(jì)算環(huán)境下的Web服務(wù)組合,結(jié)合可并行化計(jì)算的粒子群算法,針對(duì)不同的問題求解規(guī)模,分別采用串行與并行的計(jì)算技術(shù),解決Web服務(wù)組合問題。以下為本文主要研究工作:（1）將Web服務(wù)組合問題當(dāng)作一個(gè)離散化、解決方案多樣化的NP問題,在分析標(biāo)準(zhǔn)粒子群算法的基礎(chǔ)上,圍繞缺陷進(jìn)行改進(jìn)。本文的改進(jìn)主要分三個(gè)部分進(jìn)行,首先,采用活躍度檢測(cè)機(jī)制,增加求解方案的多樣性。其次,在粒子遷移時(shí),學(xué)習(xí)煙花爆炸機(jī)制的原理,加強(qiáng)種群粒子的搜索能力。然后,通過部分粒子的反向?qū)W習(xí)過程,改變牽引對(duì)象,調(diào)整種群粒子的飛行方向,跳出局部最優(yōu)困境,... 

【文章來源】：安徽大學(xué)安徽省 211工程院校

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
        1.2.1 Web服務(wù)組合結(jié)構(gòu)
        1.2.2 Web服務(wù)組合優(yōu)化方法
    1.3 研究內(nèi)容
    1.4 組織結(jié)構(gòu)
第二章 相關(guān)工作
    2.1 云計(jì)算
        2.1.1 云計(jì)算概述與特征
        2.1.2 云計(jì)算服務(wù)模式
        2.1.3 云計(jì)算應(yīng)用
    2.2 云計(jì)算環(huán)境下的Web服務(wù)組合
        2.2.1 Web服務(wù)
        2.2.2 Web服務(wù)組合
        2.2.3 Web服務(wù)組合系統(tǒng)架構(gòu)
    2.3 Spark分布式計(jì)算平臺(tái)
        2.3.1 Spark簡介
        2.3.2 核心思想
        2.3.3 運(yùn)行原理
    2.4 本章小結(jié)
第三章 基于煙花粒子群算法的Web服務(wù)組合優(yōu)化方法
    3.1 粒子群算法
    3.2 基于FWPSO算法的Web服務(wù)組合
        3.2.1 Web服務(wù)組合建模
        3.2.2 編碼策略
    3.3 FWPSO算法的改進(jìn)機(jī)制
        3.3.1 粒子活躍度檢測(cè)
        3.3.2 粒子煙花學(xué)習(xí)機(jī)制
        3.3.3 粒子自反向?qū)W習(xí)
        3.3.4 算法描述
    3.4 實(shí)驗(yàn)分析
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)與環(huán)境
        3.4.2 實(shí)驗(yàn)參數(shù)設(shè)置
        3.4.3 用戶偏好的影響
        3.4.4 收斂性
    3.5 本章小結(jié)
第四章 基于Spark的粒子群Web服務(wù)組合
    4.1 基于SPSO算法的Web服務(wù)組合
        4.1.1 Web服務(wù)組合建模
        4.1.2 編碼策略
    4.2 基于SPSO算法的Web服務(wù)組合改進(jìn)機(jī)制
        4.2.1 粒子初始化
        4.2.2 并行化粒子遷移
        4.2.3 精英選擇策略
        4.2.4 算法描述
    4.3 實(shí)驗(yàn)分析
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)與環(huán)境
        4.3.2 Spark集群參數(shù)的影響
        4.3.3 有效性
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
附錄A 圖索引
Appendix A Figure Index
附錄B 表索引
Appendix B Table Index
致謝
攻讀碩士學(xué)位期間參與的科研項(xiàng)目與發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]Toward Cloud Computing QoS Architecture:Analysis of Cloud Systems and Cloud Services[J]. Mohammad Hossein Ghahramani,MengChu Zhou,Chi Tin Hon.  IEEE/CAA Journal of Automatica Sinica. 2017(01)
[2]MR-IDPSO: A Novel Algorithm for Large-Scale Dynamic Service Composition[J]. Yanping Zhang,Zihui Jing,Yiwen Zhang.  Tsinghua Science and Technology. 2015(06)

碩士論文
[1]基于改進(jìn)離散粒子群算法的Web服務(wù)組合研究[D]. 荊紫慧.安徽大學(xué) 2016



本文編號(hào)：3470054