CN107645412B - 一种开放环境下的Web服务组合多目标验证方法 - Google Patents
一种开放环境下的Web服务组合多目标验证方法 Download PDFInfo
- Publication number
- CN107645412B CN107645412B CN201710810726.5A CN201710810726A CN107645412B CN 107645412 B CN107645412 B CN 107645412B CN 201710810726 A CN201710810726 A CN 201710810726A CN 107645412 B CN107645412 B CN 107645412B
- Authority
- CN
- China
- Prior art keywords
- target
- web service
- service combination
- markov decision
- decision process
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 127
- 238000012795 verification Methods 0.000 title claims abstract description 26
- 230000008569 process Effects 0.000 claims abstract description 87
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 230000007613 environmental effect Effects 0.000 claims abstract description 23
- 238000005516 engineering process Methods 0.000 claims description 16
- 230000009471 action Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 2
- 239000000203 mixture Substances 0.000 description 7
- 230000015556 catabolic process Effects 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008570 general process Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种开放环境下的Web服务组合多目标验证方法,包括:抽象出Web服务组合过程与QoS属性,并建模成为多目标马尔可夫决策过程;将影响Web服务组合过程的环境条件抽象出来,建模成为传统的马尔可夫决策过程,使之与Web服务组合模型交互,真实的模拟了在复杂的开放环境下,Web服务组合受动态的环境影响的过程;根据用户偏好,将QoS属性建模成为多目标时序逻辑公式;将以上Web服务组合模型、环境模型、多目标时序逻辑公式作为方法的输入,使用概率模型检测工具,最终得到满足用户需求的定量结果并导出相应策略。本发明方法解决了在复杂的开放环境下,由于环境的不确定性、用户需求多目标性所导致的传统Web服务组合验证方法难以直接使用的问题。
Description
技术领域
本发明属于计算机软件工程开发技术领域,特别涉及一种在开放环境下的Web服务组合多目标验证方法。
背景技术
概率模型检测技术是一种验证有限状态***是否满足属性的形式化方法,其目的是将给定的概率***和其待验证的属性分别用有穷状态模型和时序逻辑公式描述出来,然后采用模型检测器来判断***模型是否满足***属性。概率模型检测技术的一般流程是对待检验的概率***进行建模,然后使用一种形式化的语言如时序逻辑公式来描述***属性,最后使用相应的模型检测分析技术来判断此***模型是否满足***属性。由此我们可以看出概率模型检测技术一般分为三个部分:描述概率***的建模语言,描述***属性的时序逻辑公式和一项验证***是否满足属性的分析技术。概率模型检测工具在检测算法的支持下会自动执行,当***不满足待测性质时将提供反例路径。
PRISM是一个用来分析概率***的工具,可以支持三种类型的模型,离散时间马尔可夫链,连续时间的马尔可夫链以及马尔可夫决策过程。该工具通过自动分析建立好的概率***,能够验证动态的概率***是否满足概率计算树逻辑(PCTL)与连续随机逻辑(CSL)表示的属性。
Web服务组合是将不同的独立服务组合起来以完成功能更强大的组合服务的技术。通过组合现有单一的服务来构建复杂和增值的应用,可大量减少部署时间与成本。随着Web服务技术的快速发展,功能属性类似而服务质量(Quality of Service,QoS)不同的服务数量急速增加。根据服务质量为用户不同偏好选择的服务,称为QoS感知的Web服务组合。
在面向服务的架构(SOA)和面向服务计算(SOC)的领域,QoS感知的Web服务组合成为了目前的研究热点。如何选择一个服务使得整个服务组合的服务质量最大化成为了服务组合研究中的关键问题。评判Web服务组合的服务质量的标准一般是用户的需求,例如服务价格、提供商声誉、可靠性等。
之前人们都把工作集中在通过改进Web服务选择算法,来提高得到Web服务组合的准确性,而对基于概率模型检测技术的验证方法关注较少。同时,之前的工作也没有考虑环境的随机变化将会给Web服务组合方法带来的影响。
发明内容
本发明的目的在于提供一种开放环境下的Web服务组合多目标验证方法,其定义了一种新的多目标马尔可夫决策过程,使用概率模型检测技术和多目标验证技术验证该过程,得到Web服务组合和定量分析结果。引入显式环境模型,使之与Web服务组合模型交互,真实模拟在开放环境下的Web服务组合过程,解决了在复杂的开放环境下,由于环境的不确定性、用户需求多目标性所导致的传统Web服务组合验证方法难以直接使用的问题。
为了达成上述目的,本发明采用的技术方案如下:
一种开放环境下的Web服务组合多目标验证方法,包括如下步骤:
(1)根据待研究对象的特点,抽象出Web服务组合过程与待验证的QoS属性;
(2)根据步骤(1)中的Web服务组合过程与QoS属性,将该Web服务组合过程建模成为多目标马尔可夫决策过程;
(3)根据步骤(1)中的Web服务组合过程与QoS属性,确定能够影响Web服务组合过程和QoS属性的环境条件;将该环境条件随机变化的过程抽象出来,建模成为传统的马尔可夫决策过程;该传统的马尔可夫决策过程的所有状态对应环境条件的不同状态,该马尔可夫决策过程状态之间的迁移对应环境条件的随机变化过程;建模过程中,使该步骤中的传统的马尔可夫决策过程模型与步骤(2)中的多目标马尔可夫决策过程模型交互;
(4)分析用户偏好与步骤(1)中的QoS属性,并使用多目标时序逻辑公式表示;
(5)步骤(2)中的多目标马尔可夫决策过程与步骤(3)中的传统的马尔可夫决策过程构成了描述概率***的有穷状态模型;步骤(4)中的多目标时序逻辑公式表示待验证的***属性,验证有穷状态模型是否满足待验证的***属性,并得到其定量验证结果与对应路径,对应路径即Web服务组合方式。
优选地,所述步骤(1)具体包括:
(11)分析待研究对象需要完成的任务,定义一组抽象服务描述***行为;
(12)分析步骤(11)中的抽象服务,同一个抽象服务由不同的具体服务提供,将这些具体服务的集合定义为每一个抽象服务的一组具体服务;
(13)根据步骤(11)与(12)中的分析结果,将待研究对象抽象成Web服务组合过程;
(14)根据用户需求,抽象出待验证的QoS属性。
优选地,所述步骤(2)具体包括:
(21)根据步骤(12)中分析得到的具体服务建模成为多目标马尔可夫决策过程中动作的集合;
(22)根据步骤(14)中的QoS属性,建立不同的奖励结构。
优选地,所述步骤(2)中的多目标马尔可夫决策过程通过概率模型检测工具进行创建。
优选地,所述步骤(3)中的传统的马尔可夫决策过程通过概率模型检测工具进行创建。
优选地,所述步骤(4)具体包括:
(41)确定用户目标的个数,其中一个QoS属性是一个目标;
(42)根据用户对不同目标的偏好,将其分为两类:关键目标为用户最在意的目标;约束目标为用户次在意或者不在意的目标;
(43)对步骤(42)中约束目标用时序逻辑公式表示,使用概率模型检测技术进行验证,得到约束范围;
(44)把步骤(43)中得到约束范围和步骤(42)中的关键目标与约束目标整合起来进行建模,得到多目标时序逻辑公式。
优选地,所述步骤(5)具体包括:采用概率模型检测技术验证有穷状态模型是否满足待验证的***属性。
本发明的有益效果:
本发明引入了环境模型,使之与Web服务组合模型交互,模拟真实的环境条件的随机变化过程,解决了因环境的不确定性导致的传统Web服务组合验证方法难以直接使用的问题;然后使用多目标时序逻辑公式描述带有多目标性与不确定性的用户需求,最终通过多目标验证技术得到定量的分析结果与相应路径,提出了一种新的基于概率模型检测技术的Web服务组合方法。
附图说明
图1是本发明的框架图;
图2是Web服务组合过程;
图3是环境条件随机变化的过程。
具体实施方式
本发明提供一种开放环境下的Web服务组合多目标验证方法,配合图1所示,以下将以在线购物服务***为例,对本发明的技术方案进行详细说明。
(1)根据待研究对象的特点,抽象出具体的Web服务组合过程与待验证的QoS属性。具体包括以下步骤:
(11)分析待研究对象的需完成的任务,定义一组抽象服务描述***行为。在本实例中,在线服务***需要完成以下几个任务:选择合适的购物平台,例如京东、淘宝;选择合适的商店,作为不同的店铺,同样的商品其价格可能并不一样,拥有的折扣也会不一样;选择支付平台,现在用的最多的就是支付宝平台和微信支付平台;选择快递,不同快递的到达时间与价格不一样。所以,该实例下,一共有4个抽象服务,被定义为AS1,AS2,AS3,AS4。
(12)分析步骤(11)中的抽象服务,同一个抽象服务可以由不同的具体服务提供,这些具体服务的集合为每一个抽象服务定义一组具体服务。从步骤(11)可知,本实例中一共定义了四种抽象服务,分别是:销售平台,店铺,支付平台,快递,定义为AS1,AS2,AS3,AS4。抽象服务AS1中存在两种具体服务,分别是CS1_1,CS1_2,定义为AS1={CS1_1,CS1_2}。这两种具体服务表示提供了销售平台的服务,CS1_1代表淘宝,CS1_2代表京东。在抽象服务AS2中又存在3种具体服务,即AS2={CS2_1,CS2_2,CS2_3}。CS2_1代表交通银行,CS2_2代表中国银行,CS2_3代表建设银行。在抽象服务AS3中有2个具体服务,AS3={CS3_1,CS3_2}。CS3_1代表支付宝平台,CS3_2代表微信支付平台。在抽象服务AS4中有4个具体服务,AS4={CS4_1,CS4_2,CS4_3,CS4_4)。CS4_1代表顺丰快递,CS4_2代表韵达快递,CS4_3代表圆通快递,CS4_4代表中通快递。
(13)根据步骤(11)与(12)中的分析结果,将待研究对象抽象成为Web服务组合过程。在本实例中,得到了在线购物服务***的抽象服务和具体服务,其Web服务组合过程如图2。
(14)根据用户需求,抽象出待验证的QoS属性。在本实例中,提出三个QoS属性,分别为:调用服务的消耗,用户在购物场景下花费的总价钱,用户在购物场景下花费的总时间。
(2)根据步骤(1)中的Web服务组合过程与QoS属性,将该服务组合过程建模成为多目标马尔可夫决策过程。具体包括以下步骤:
(21)根据步骤(12)中分析得到的具体服务建模成为多目标马尔可夫决策过程中动作的集合。在本实例中,每一个具体服务都是多目标马尔可夫决策过程中的一个动作,在该动作发生时,由当前状态转移到下一状态,整个过程由概率模型检测工具PRISM语言进行创建。
(22)根据步骤(14)中的QoS属性,建立多目标马尔可夫决策过程不同的奖励结构。在本实例中,一共有三种待验证属性,分别建立对应的奖励结构,如表1,如下:
表1
QoS属性 | 奖励结构名称 |
快递到达时间 | express_arrive_time |
总价格 | price |
调用服务消耗 | consumption |
(3)根据步骤(1)中的Web服务组合过程与QoS属性,确定能够影响Web服务组合过程QoS属性的环境条件;将该环境条件随机变化的过程抽象出来,建模成为传统的马尔可夫决策过程;该传统的马尔可夫决策过程的所有状态对应环境条件的不同状态,马尔可夫决策过程状态之间的迁移对应环境条件的随机变化过程;建模过程中,通过概率模型检测工具PRISM提供的动作同步机制使该步骤中的传统的马尔可夫决策过程模型与步骤(2)的多目标马尔可夫决策过程模型交互。在本实例中,使用天气的好坏作为环境条件,天气变化是随机的,定义两个状态:good与bad;在此条件下,环境条件随机变化的过程即两个状态之间的随机转换过程。使用PRISM语言将该过程建模成为传统的马尔可夫决策过程,并使用PRISM语言中的同步方法,使环境模型与Web服务组合模型交互。其环境模型的状态转换过程如图3。
所述步骤(3)中该传统的马尔可夫决策过程与多目标马尔可夫决策过程交互,能准确地模拟在真实的环境下,环境条件的动态变化对Web服务组合方法选择服务所产生的影响(在不同的环境条件下根据实时的环境条件状态,某一抽象服务可能会选择不同的具体服务);而传统的Web服务组合方法不具备对环境条件的动态变化过程进行建模的能力,也无法模拟环境条件的动态变化对Web服务组合方法选择服务所产生的影响;因此,本发明公开的Web服务组合方法相较于传统的Web服务组合方法得到的Web服务组合方式将更为准确。
(4)分析用户偏好与步骤(1)中的QoS属性,并使用多目标时序逻辑公式表示。具体包括以下步骤:
(41)确定用户目标的个数及含义,其中一个QoS属性对应一个目标,并根据用户对不同目标的偏好,将其分为两类:关键目标为用户最在意的目标;约束目标为用户次在意或者不在意的目标。在本实例中,用户目标个数一共是三个,用户的非功能需求具有不确定性。根据实例中三个不同的QoS属性,定义三个目标P1,P2和P3,如表2。现在举例说明两个用户,对于用户1来说,可能期望服务消耗越小越好,而不在乎总价钱和快递到达时间。对于用户2来说,可能期望总价钱最小,而不在乎服务消耗与快递到达时间。所以,用户1的关键目标是P3,而约束目标P1和P2;用户2的关键目标是P2,而约束目标是P1和P3。表2如下:
表2
目标 | 含义 |
P1 | 调用的服务总消耗是多少 |
P2 | 用户在购物场景下花费的总价钱是多少 |
P3 | 用户在购物场景下快递到达的时间 |
(42)对步骤(41)中约束目标用时序逻辑公式表示,使用概率模型检测技术进行验证,得到约束范围。在本实例中,用时序逻辑公式表示用户1与用户2的约束目标的最大值,并使用概率模型检测技术进行验证,结果用P1_max,P2_max,P3_max表示,如表3,如下:
表3
(43)把步骤(42)中得到约束范围和步骤(41)中的关键目标与约束目标整合起来进行建模,得到多目标时序逻辑公式。在本实例中,用户1的关键目标为属性P3,求得P1_max与P2_max的值之后,可得到其多目标时序逻辑公式。同理可得到用户2的多目标时序逻辑公式,如表4,如下:
表4
(5)步骤(2)中的多目标马尔可夫决策过程与步骤(3)中的传统的马尔可夫决策过程构成了描述概率***的有穷状态模型;步骤(4)中的多目标时序逻辑公式表示待验证的***属性,使用概率模型检测技术,验证有穷状态模型是否满足待验证的***属性,并得到其定量验证结果与对应路径。对应路径即Web服务组合方式。
在所有的步骤完成之后,通过两个实验验证本发明的正确性与可行性。该实验的运行环境为Ubuntu14.04LTS***,英特尔酷睿I7处理器,32GB内存;实验工具为概率模型检测器PRISM,版本号为4.3.1-linux64。在实验一中,使用状态数和转移数作为度量,抽象服务数量与具体服务数量作为变量,方法能支持的最大规模的服务数量。验证方法所能支持的最大规模。其中,约束目标的时序逻辑公式验证结果如表5,验证的多目标时序逻辑公式如表6,验证所得实验结果如表7。在以上基础上,为验证本方法对于Web服务组合的多目标扩展性,即在同等抽象服务数量与具体服务数量的条件下,使用关键目标和所有目标个数作为变量进行实验二,结果如表8,表9,表10所示,表5-10如下:
表5
抽象服务数量 | P1_max验证结果 |
3 | 9.445 |
4 | 13.445 |
5 | 19.667 |
6 | 19.667 |
表6
表7
抽象服务数量 | 多目标验证结果 | 状态数 | 转移数 |
3 | 15.67 | 50897 | 126804 |
4 | 23.333 | 50897 | 126804 |
5 | 39.167 | 610769 | 1717076 |
6 | 55.112 | 7329233 | 22982484 |
表8
抽象服务数量 | 具体服务数量 | 状态数 | 转移数 |
4 | 4 | 50897 | 126804 |
4 | 5 | 122946 | 307025 |
4 | 6 | 253177 | 633198 |
4 | 7 | 466754 | 1168587 |
4 | 8 | 崩溃 | 崩溃 |
表9
抽象服务数量 | 具体服务数量 | 状态数 | 转移数 |
5 | 4 | 610769 | 126804 |
5 | 5 | 5710693 | 9405846 |
5 | 6 | 34264165 | 56435094 |
5 | 7 | 崩溃 | 崩溃 |
表10
抽象服务数量 | 具体服务数量 | 状态数 | 转移数 |
6 | 3 | 1328602 | 4153065 |
6 | 4 | 7329233 | 22982484 |
6 | 5 | 崩溃 | 崩溃 |
以上结果表明了本发明的方法在目标个数上的可扩展性。同时,在关键目标与约束目标变化时,通过改变多目标时序逻辑公式求解关键目标的最优解,可解决用户需求的不确定性。
对于复杂的开放环境下的Web服务组合过程来说,用户的非功能性需求具有一定的不确定性和多目标性。不同的用户有不同的需求,本发明方法认为,一个需求对应一个目标。在各个不同的目标之间,用户对目标的优先级也不同。多目标时序逻辑公式,可恰当的描述这种多目标性。将Web服务组合过程建模为有穷状态模型,即多目标马尔可夫决策过程。将不同的需求分别抽象成为不同的奖励(reward)结构,然后根据用户的偏好,建模为多目标时序逻辑公式。最后,使用概率模型检测技术验证有穷状态模型是否满足多目标时序逻辑公式。在多目标马尔可夫决策过程中,动作即选择服务。因此,得到多目标时序逻辑公式的验证结果,即可得到与结果相应的状态转换路径,也就是最优Web服务组合方式。而环境条件的动态变化会影响Web服务组合的奖励值,进而影响到Web服务的选择。因此,引入环境模型使之与Web服务组合模型交互,可提高我们的Web服务组合方法的准确性。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (6)
1.一种开放环境下的Web服务组合多目标验证方法,其特征在于,包括如下步骤:
(1)根据待研究对象的特点,抽象出Web服务组合过程与待验证的QoS属性;
(2)根据步骤(1)中的Web服务组合过程与QoS属性,将该Web服务组合过程建模成为多目标马尔可夫决策过程;
(3)根据步骤(1)中的Web服务组合过程与QoS属性,确定能够影响Web服务组合过程和QoS属性的环境条件;将该环境条件随机变化的过程抽象出来,建模成为传统的马尔可夫决策过程;该传统的马尔可夫决策过程的所有状态对应环境条件的不同状态,该马尔可夫决策过程状态之间的迁移对应环境条件的随机变化过程;建模过程中,通过概率模型检测工具PRISM提供的动作同步机制使该步骤中的传统的马尔可夫决策过程模型与步骤(2)的多目标马尔可夫决策过程模型交互;
(4)分析用户偏好与步骤(1)中的QoS属性,并使用多目标时序逻辑公式表示;
(5)步骤(2)中的多目标马尔可夫决策过程与步骤(3)中的传统的马尔可夫决策过程构成了描述概率***的有穷状态模型;步骤(4)中的多目标时序逻辑公式表示待验证的***属性,采用概率模型检测技术验证有穷状态模型是否满足待验证的***属性,并得到其定量验证结果与对应路径,对应路径即Web服务组合方式。
2.根据权利要求1所述的开放环境下的Web服务组合多目标验证方法,其特征在于,所述步骤(1)具体包括:
(11)分析待研究对象需要完成的任务,定义一组抽象服务描述***行为;
(12)分析步骤(11)中的抽象服务,同一个抽象服务由不同的具体服务提供,将这些具体服务的集合定义为每一个抽象服务的一组具体服务;
(13)根据步骤(11)与(12)中的分析结果,将待研究对象抽象成Web服务组合过程;
(14)根据用户需求,抽象出待验证的QoS属性。
3.根据权利要求2所述的开放环境下的Web服务组合多目标验证方法,其特征在于,所述步骤(2)的具体包括:
(21)根据步骤(12)中分析得到的具体服务建模成为多目标马尔可夫决策过程中动作的集合;
(22)根据步骤(14)中的QoS属性,建立不同的奖励结构。
4.根据权利要求1-3中任意一项所述的开放环境下的Web服务组合多目标验证方法,其特征在于,所述步骤(2)中的多目标马尔可夫决策过程通过概率模型检测工具进行创建。
5.根据权利要求1-3中任意一项所述的开放环境下的Web服务组合多目标验证方法,其特征在于,所述步骤(3)中的传统的马尔可夫决策过程通过概率模型检测工具进行创建。
6.根据权利要求1-3中任意一项所述的开放环境下的Web服务组合多目标验证方法,其特征在于,所述步骤(4)具体包括:
(41)确定用户目标的个数,其中一个QoS属性是一个目标;
(42)根据用户对不同目标的偏好,将其分为两类:关键目标为用户最在意的目标;约束目标为用户次在意或者不在意的目标;
(43)对步骤(42)中约束目标用时序逻辑公式表示,使用概率模型检测技术进行验证,得到约束范围;
(44)把步骤(43)中得到约束范围和步骤(42)中的关键目标与约束目标整合起来进行建模,得到多目标时序逻辑公式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710810726.5A CN107645412B (zh) | 2017-09-11 | 2017-09-11 | 一种开放环境下的Web服务组合多目标验证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710810726.5A CN107645412B (zh) | 2017-09-11 | 2017-09-11 | 一种开放环境下的Web服务组合多目标验证方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107645412A CN107645412A (zh) | 2018-01-30 |
CN107645412B true CN107645412B (zh) | 2020-10-20 |
Family
ID=61111187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710810726.5A Active CN107645412B (zh) | 2017-09-11 | 2017-09-11 | 一种开放环境下的Web服务组合多目标验证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107645412B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112434440A (zh) * | 2020-12-02 | 2021-03-02 | 武汉工程大学 | 基于多Agent自适应在线验证的智能泊车方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016077A (zh) * | 2017-03-28 | 2017-08-04 | 南京邮电大学 | 一种面向Web服务组合的优化方法 |
CN107070704A (zh) * | 2017-03-22 | 2017-08-18 | 东南大学 | 一种基于QoS的可信Web服务组合优化方法 |
CN107135113A (zh) * | 2017-06-26 | 2017-09-05 | 浙江省特种设备检验研究院 | 一种基于组合服务柔性描述模型的服务调用引擎方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8650608B2 (en) * | 2007-01-16 | 2014-02-11 | International Business Machines Corporation | Method for model based verification of security policies for web service composition |
US10361944B2 (en) * | 2015-04-08 | 2019-07-23 | Oracle International Corporation | Automated test for uniform web service interfaces |
-
2017
- 2017-09-11 CN CN201710810726.5A patent/CN107645412B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107070704A (zh) * | 2017-03-22 | 2017-08-18 | 东南大学 | 一种基于QoS的可信Web服务组合优化方法 |
CN107016077A (zh) * | 2017-03-28 | 2017-08-04 | 南京邮电大学 | 一种面向Web服务组合的优化方法 |
CN107135113A (zh) * | 2017-06-26 | 2017-09-05 | 浙江省特种设备检验研究院 | 一种基于组合服务柔性描述模型的服务调用引擎方法 |
Non-Patent Citations (1)
Title |
---|
一种支持Web 服务QoS 动态预测的方法;海燕等;《南京理工大学学报》;20130228;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107645412A (zh) | 2018-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Midgley et al. | Building and assurance of agent-based models: An example and challenge to the field | |
Machuca et al. | A review of forecasting models for new products | |
Garg | MCDM-based parametric selection of cloud deployment models for an academic organization | |
CN109842563A (zh) | 内容分发网络流量调度方法、装置和计算机可读存储介质 | |
Huang et al. | System on chip design service e-business value maximization through a novel MCDM framework | |
Zhou et al. | Innovative coupling and coordination: Automobile and digital industries | |
Harnischmacher et al. | Yesterday, Today, and Tomorrow-Perspectives on Green Information Systems Research Streams. | |
Kubler et al. | Decision support system for blockchain (DLT) platform selection based on ITU recommendations: A systematic literature review approach | |
Liu | e‐Commerce Personalized Recommendation Based on Machine Learning Technology | |
CN113034168A (zh) | 内容项投放方法、装置、计算机设备及存储介质 | |
CN108170404B (zh) | 一种基于参数化模型的Web服务组合验证方法 | |
CN107645412B (zh) | 一种开放环境下的Web服务组合多目标验证方法 | |
Cen et al. | User repurchase behavior prediction for integrated energy supply stations based on the user profiling method | |
CN116628349B (zh) | 信息推荐方法、装置、设备、存储介质及程序产品 | |
CN116151857A (zh) | 一种营销模型的构建方法及装置 | |
CN115439180A (zh) | 一种目标对象确定方法、装置、电子设备及存储介质 | |
CN108629023A (zh) | 数据挖掘方法、装置以及计算机可读存储介质 | |
Oliveira et al. | Managing costs in software development | |
Kamil et al. | Design of location-based waste collecting on enviro andalas waste bank | |
KR102531363B1 (ko) | 카드할인 예측 장치 및 방법 | |
Parthiban et al. | MASS: an analytical model for assessment of supply chain entity | |
Wu et al. | A Data-Driven Agent-Based Simulator for Air Ticket Sales | |
Zhou et al. | [Retracted] Optimization of Intelligent Management System for Crafts Production Based on Internet of Things | |
Zhao | Blockchain-based supply chain schedule coordination for off-site construction | |
KR102630611B1 (ko) | 지도 기반 상권분석을 이용한 가상 프랜차이즈 창업 시뮬레이션 서비스 제공 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |