本文關(guān)鍵詞：基于多Agent強(qiáng)化學(xué)習(xí)的自適應(yīng)服務(wù)組合研究

  更多相關(guān)文章： 服務(wù)組合 強(qiáng)化學(xué)習(xí) 多Agent系統(tǒng) 自適應(yīng)性 QoS

【摘要】：在服務(wù)計(jì)算領(lǐng)域,隨著運(yùn)行環(huán)境的變化和服務(wù)自身的演化,Web服務(wù)組合時(shí)刻面臨著動(dòng)態(tài)復(fù)雜環(huán)境所帶來的性能挑戰(zhàn)。因此,Web服務(wù)組合技術(shù)必須具有自適應(yīng)性,要能夠?qū)ν獠凯h(huán)境的變動(dòng)和服務(wù)自身的演化作出及時(shí)的反應(yīng)和調(diào)整,從而維持自身的性能表現(xiàn)。除此以外,服務(wù)組合技術(shù)還應(yīng)兼顧到大規(guī)模服務(wù)場景下的效率要求,確保其具有較高的實(shí)用價(jià)值。本文提出了一個(gè)基于多Agent強(qiáng)化學(xué)習(xí)的、面向動(dòng)態(tài)復(fù)雜場景的自適應(yīng)服務(wù)組合模型。該模型在強(qiáng)化學(xué)習(xí)技術(shù)的基礎(chǔ)上,融入了多Agent系統(tǒng)機(jī)制和博弈論領(lǐng)域里的虛擬行動(dòng)過程。該模型利用強(qiáng)化學(xué)習(xí)技術(shù)實(shí)現(xiàn)動(dòng)態(tài)場景下服務(wù)組合的自適應(yīng)性,利用多Agent機(jī)制提升自身的計(jì)算效率,利用博弈論里的虛擬行動(dòng)過程實(shí)現(xiàn)多Agent間的協(xié)同工作。同時(shí),在該模型的基礎(chǔ)上,本文分別提出了基于離策略強(qiáng)化學(xué)習(xí)和在策略強(qiáng)化學(xué)習(xí)的自適應(yīng)服務(wù)組合算法,并從理論上證明了它們的收斂性。最后,本文通過一系列仿真實(shí)驗(yàn)驗(yàn)證了算法的有效性、可擴(kuò)展性和自適應(yīng)性。
【關(guān)鍵詞】：服務(wù)組合 強(qiáng)化學(xué)習(xí) 多Agent系統(tǒng) 自適應(yīng)性 QoS
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP18;TP393.09
【目錄】：

• 摘要4-5
• Abstract5-8
• 本論文專用術(shù)語的注釋表8-9
• 第一章 緒論9-20
• 1.1 研究背景與動(dòng)機(jī)10-13
• 1.1.1 軟件系統(tǒng)的自適應(yīng)性10-11
• 1.1.2 Web服務(wù)組合的自適應(yīng)性11-12
• 1.1.3 研究動(dòng)機(jī)12-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-17
• 1.2.1 自適應(yīng)服務(wù)組合研究13-15
• 1.2.2 基于多Agent技術(shù)的服務(wù)組合研究15-16
• 1.2.3 多Agent強(qiáng)化學(xué)習(xí)研究16-17
• 1.3 研究內(nèi)容17-18
• 1.4 論文結(jié)構(gòu)18-20
• 第二章 Web服務(wù)組合概述20-31
• 2.1 Web服務(wù)20-23
• 2.1.1 Web服務(wù)定義20-21
• 2.1.2 Web服務(wù)模型21-22
• 2.1.3 常用Web服務(wù)標(biāo)準(zhǔn)22-23
• 2.2 Web服務(wù)組合23-26
• 2.2.1 Web服務(wù)組合的概念23-24
• 2.2.2 Web服務(wù)組合的方法24-26
• 2.3 Web服務(wù)組合的服務(wù)質(zhì)量26-28
• 2.3.1 服務(wù)質(zhì)量定義26
• 2.3.2 QoS屬性26-27
• 2.3.3 QoS抽象模型27-28
• 2.4 Web服務(wù)組合的自適應(yīng)性28-30
• 2.4.1 Web服務(wù)組合的自適應(yīng)性定義28-29
• 2.4.2 Web服務(wù)組合的自適應(yīng)性內(nèi)容29-30
• 2.5 本章小結(jié)30-31
• 第三章 強(qiáng)化學(xué)習(xí)理論基礎(chǔ)31-37
• 3.1 強(qiáng)化學(xué)習(xí)原理和結(jié)構(gòu)31-33
• 3.2 馬爾可夫決策過程33-34
• 3.3 強(qiáng)化學(xué)習(xí)常用算法34-36
• 3.3.1 TD算法34
• 3.3.2 Q學(xué)習(xí)算法34-35
• 3.3.3 Sarsa算法35-36
• 3.4 本章小結(jié)36-37
• 第四章 基于多Agent強(qiáng)化學(xué)習(xí)的自適應(yīng)服務(wù)組合模型37-61
• 4.1 場景描述37
• 4.2 模型構(gòu)建37-45
• 4.2.1 基于Markov Decision Process的單Agent服務(wù)組合模型37-40
• 4.2.2 基于Markov Games的多Agent服務(wù)組合模型40-45
• 4.3 最優(yōu)策略定義45-50
• 4.3.1 獎(jiǎng)勵(lì)函數(shù)定義45-48
• 4.3.2 基于Nash均衡的最優(yōu)策略定義48-50
• 4.4 協(xié)同機(jī)制設(shè)計(jì)50-54
• 4.4.1 虛擬行動(dòng)過程50-52
• 4.4.2 協(xié)同方法設(shè)計(jì)52-54
• 4.5 求解方法54-56
• 4.5.1 基于離策略強(qiáng)化學(xué)習(xí)的求解算法54-56
• 4.5.2 基于在策略強(qiáng)化學(xué)習(xí)的求解算法56
• 4.6 方法的收斂性研究56-59
• 4.6.1 基于離策略強(qiáng)化學(xué)習(xí)的求解算法的收斂性研究56-58
• 4.6.2 基于在策略強(qiáng)化學(xué)習(xí)的求解算法的收斂性研究58-59
• 4.7 本章小結(jié)59-61
• 第五章 實(shí)驗(yàn)與分析61-67
• 5.1 實(shí)驗(yàn)設(shè)置61-62
• 5.2 結(jié)果與分析62-66
• 5.2.1 有效性分析62-63
• 5.2.2 可擴(kuò)展性分析63-65
• 5.2.3 自適應(yīng)性分析65-66
• 5.3 本章小結(jié)66-67
• 第六章 總結(jié)與展望67-71
• 6.1 本文總結(jié)67-68
• 6.2 未來工作68-71
• 致謝71-72
• 參考文獻(xiàn)72-78
• 附錄A 攻讀碩士期間發(fā)表的論文78

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張宇晴,佟振聲,胡旦華,武雪芳;Agent技術(shù)在廠級(jí)監(jiān)控信息系統(tǒng)中的應(yīng)用[J];上海電力學(xué)院學(xué)報(bào);2004年01期

2 林菁,孟波;群體決策支持系統(tǒng)中的管理和協(xié)調(diào)Agent及其應(yīng)用研究[J];計(jì)算機(jī)應(yīng)用與軟件;2004年12期

3 羅朝春,涂光瑜,羅毅,盛戈f，

本文編號(hào)：678720