基于強化學習進行Web服務組合的研究.pdf

1、服務組合已經(jīng)成為Web服務研究領域的熱點。在服務組合中潛在著諸多問題，如服務組合方法(即Web服務如何組合、能否自動組合)，組合的正確性驗證，Web服務間的協(xié)作、事務處理，以及服務質量(QoS)等等，這些問題都有待于解決或完善。本文將主要圍繞服務組合方法以及服務質量這兩方面進行深入的研究。
　　 就目前而言，服務組合方法大致有兩種分類方法：第一種分類，靜態(tài)組合和動態(tài)組合；第二種分類，手動組合和自動組合。對于靜態(tài)組合、動態(tài)組合已經(jīng)

2、有相當多的研究成果，但大都是手動組合的方法，而關于自動組合的卻很少見。在我們組的研究工作中，將把強化學習理論引入Web服務領域以實現(xiàn)自動組合?；趶娀瘜W習的自動組合可以隨著環(huán)境的變化實時調整業(yè)務流程，具有智能的特征。
　　 另一方面，當web服務數(shù)量逐漸增多，有著相同功能屬性的web服務也隨之增多，于是需要依據(jù)用戶給出的QoS需求，從中選出用戶最為滿意的那一個，這就是基于QoS的服務選擇?；赒oS的服務選擇最常用的是定量的方法

3、，而這種方法不足以準確表達用戶的QoS需求，所以我們將采用偏好邏輯這種定性的方法來建模用戶的需求。
　　 最后，Web服務是通過“功能屬性”、“非功能屬性”這兩方面來完整描述的。服務組合方法就是針對功能屬性方面的研究，而基于QoS的服務選擇就是針對非功能屬性方面的研究。一直以來這兩方面是相對獨立的研究課題，很少有關于服務組合的完整的解決方案。我們組的研究，是將強化學習和偏好邏輯完全溶合在一起，不僅研究服務的功能屬性，又充分考慮Q

4、oS這樣的非功能屬性，從而實現(xiàn)服務組合的一個完整的解決方案。
　　 我們的研究成果最終是以RLPLA(algorithm of web services composition based on reinforcement learningand preference logic)算法來呈現(xiàn)的，這是基于強化學習和偏好邏輯對服務組合領域以上兩大問題較為完整的研究。在文中還將有大量實驗數(shù)據(jù)為佐證，以充分顯示RLPLA的性能。