بهینه‌سازی انتخاب و ترکیب وب‌سرویس‌ها بر اساس ویژگی‌های کیفی با در نظر گرفتن وابستگی، ناسازگاری و همبستگی بین وب‌سرویس‌ها
الموضوعات :
مهدی فرزندوی
1
(دانشگاه شهید بهشتی)
فريدون شمس
2
(دانشگاه شهيد بهشتي)
الکلمات المفتاحية: الگوریتم ژنتیکانتخاب وب‌سرویسترکیب وب‌سرویسناسازگاریهمبستگیوابستگیوب‌سرویسویژگی کیفی,
ملخص المقالة :
امروزه تغییرات مداوم در نیازمندی‌های مشتریان به عنوان اصلی‌ترین چالش پیش روی سازمان‌ها است، معماری سرویس‌گرا به عنوان یک راه‌حل عملی برای رفع این مشکل برای سازمان‌های سرویس‌گرا مطرح می‌شود. در معماری سرویس‌گرا انتخاب و ترکیب سرویس‌ها برای پاسخ‌گویی سریع به نیازمندی‌های پیچیده مشتریان در دسترس سازمان‌های سرویس‌گرا قرار می‌گیرد. سازمان‌ها برای پاسخ‌گویی سریع‌تر به نیازمندی‌های پیچیده و متغیر مشتریان از سرویس‌های آماده و برون‌سازمانی استفاده می‌کنندکه یکی از فناوری‌های نوظهور در این زمینه وب‌سرویس‌ها هستند. با گسترش تمایل سازمان‌ها به استفاده از وب‌سرویس‌ها، به مرور زمان تأمین‌کنندگان وب‌سرویس‌ها افزایش پیدا کردند و به همین دلیل وب‌سرویس‌هایی با عملکرد یکسان و ویژگی‌های کیفی متفاوت گسترش یافتند، بنابراین مسئله انتخاب وب‌سرویس با بهترین ویژگی کیفی برای سازمان‌ها اهمیت پیدا کرد. از طرفی سازمان‌ها تنها با یک وب‌سرویس نمی‌توانند نیازمندی‌های پیچیده مشتریان را پاسخ دهند، به همین دلیل نیازمند ترکیب چندین وب‌سرویس با هم هستند. از طرفی دیگر با افزایش وب‌سرویس‌ها با عملکردهای متفاوت، در ترکیب آنها، همبستگی، وابستگی و ناسازگاری بین وب‌سرویس‌ها نیز گسترش می‌یابد ولی تاکنون روشی ارائه نشده که وب‌سرویس‌های برتر را بر اساس ویژگی‌های کیفی انتخاب کند و ترکیب آنها با هم، وابستگی، ناسازگاری و همبستگی بین وب‌سرویس‌ها را نقض نکند. در این مقاله سعی می‌کنیم از روش‌های قبلی که به وابستگی یا ناسازگاری یا همبستگی در حالت‌های ساده ترکیب وب‌سرویس‌ها پرداخته‌اند، استفاده کنیم و یک روش جامع پیشنهاد دهیم تا این که حالت‌های پیچیده‌ای که از ترکیب وب‌سرویس‌ها ممکن است رخ دهد را نیز پشتیبانی کنیم و وب‌سرویس مرکب مناسب را از نظر ویژگی‌های کیفی با در نظر گرفتن وابستگی، ناسازگاری و همبستگی بیابیم.
[1] S. Y. Lina, C. H. Laia, C. H. Wub, and C. C. Lob, "A trustworthy QoS-based collaborative filtering approach for web service discovery," J. of Systems and Software, vol. 93, pp. 217-228, Jul. 2014
[2] P. Wang, K. M. Chao, and C. C. Lo, "On optimal decision for QoS-aware composite service selection," Expert Systems with Applications, vol. 37, no. 1, pp. 440-449, Jan. 2010.
[3] A. E. Yilmaz and K. Pinar, "Improved genetic algorithm based approach for QoS aware web service composition," in Proc. IEEE Int. Conf. on Web Services, ICWS’14, pp. 463-470, Anchorage, AK, USA, 27 Jun.-2 Jul. 2014.
[4] D. Ardagna and B. Pernici, "Adaptive service composition in flexible processes," IEEE Trans. on Software Engineering, vol. 33, no. 6, pp. 369-384, Jun. 2007.
[5] U. Shehu, G. Epiphaniou, and G. A. Safdar, "A survey of QoS-aware web service composition techniques," International J. of Computer Applications, vol. 89, no. 12, pp. 10-17, Mar. 2014.
[6] M. A. Amiri and H. Serajzadeh, "QoS aware web service composition based on genetic algorithm," in Proc. 5th Int. Symp. on Telecommunications, IST’10,, pp. 502-507, Tehran, Iran, 4-6 Dec. 2010.
[7] M. Alrifai, T. Risse, and W. Nejdl, "A hybrid approach for efficient web service composition with end-to-end QoS constraints," ACM Trans. on the Web, vol. 6, no. 2, Article 7, May 2012.
[8] L. Wang, J. Shen, and J. Yong, "A survey on bio-inspired algorithms for web service composition," in Proc. IEEE 16th Int. Conf. on Computer Supported Cooperative Work in Design, CSCWD12, pp. 569-574, Wuhan, China, 23- 25 May 2012.
[9] D. Silva, A. Sawczuk, E. Moshi, H. Ma, and S. Hartmann, "A QoS-aware web service composition approach based on genetic programming and graph databases," in Proc. Int. Conf. on Database and Expert Systems Applications, DEXA'17, pp. 37-44, Lyon, France, 28-31 Aug. 2017.
[10] J. Zhou and X. Yao, "A hybrid artificial bee colony algorithm for optimal selection of QoS-based cloud manufacturing service composition," The International J. of Advanced Manufacturing Technology, vol. 88, no. 9-12, pp. 3371-3387, Feb. 2017.
[11] M. Zavvar, et al., "Measuring service quality in service-oriented architectures using a hybrid particle swarm optimization algorithm and artificial neural network (PSO-ANN)," in Proc. 3th Int. Conf. on Web Research, ICWR’17, pp. 78-83, Tehran, Iran, 19-20 Apr. 2017.
[12] A. Jula, Z. Othman, and E. Sundararajan, "Imperialist competitive algorithm with PROCLUS classifier for service time optimization in cloud computing service composition," Expert Systems with Applications, vol. 42, no. 1, pp. 135-145, Jan. 2015.
[13] ش. پویا، "ترکیب وب‌سرویس‌ها بر اساس معیارهای کیفی سرویس با استفاده از الگوریتم ژنتیک،" اولین همايش ملی رویکردهای نوین در مهندسی کامپیوتر و بازیابی اطلاعات ایران، 8 صص.، رشت، ايران، 17-17 مهر ۱۳۹۲.
[14] D. Wang, Y. Yang, and Z. Mi, "A genetic-based approach to web service composition in geo-distributed cloud environment," Computers & Electrical Engineering, vol. 43, no. C, pp. 129-141, Apr. 2015.
[15] F. Gao, E. Curry, M. I. Ali, S. Bhiri, and A. Mileo, "Qos-aware complex event service composition and optimization using genetic algorithms," in Proc. Int. Conf. on Service-Oriented Computing, ICSOC'14, pp. 386-393, Paris, France, 3-6 Nov. 2014.
[16] M. C. Jaeger and G. Muhl, "QoS-based selection of services: the implementation of a genetic algorithm," in Proc. Communication in Distributed Systems, 15 ITG-GI Symp., 12 pp., Bern, Switzerland, 26 Feb. 2 Mar.. 2007.
[17] S. Su, C. Zhang, and J. Chen, "An improved genetic algorithm for web services selection," in Proc. 7th IFIP WG 6.1 Int. Conf. on Distributed Applications and Interoperable Systems, pp. 284-295 Paphos, Cyprus, 6-8 Jun. 2007.
[18] M. Tang and L. Ai, "A hybrid genetic algorithm for the optimal constrained web service selection problem in web service composition," in Proc. IEEE Congress on Evolutionary Computation, 8 pp., Barcelona, Spain, 18-23 Jul. 2010.
[19] G. Canfora and M. Di Penta, "A framework for QoS-aware binding and re-binding of composite web services," J. of Systems and Software, vol. 81, no. 10, pp. 1754-1769, Oct. 2008.
[20] F. Mardukhi, N. Nematbakhsh, K. Zamanifar, and A. Barati, "QoS decomposition for service composition using genetic algorithm," Applied Soft Computing, vol. 13, no. 7, pp. 3409-3421, Jul. 2013.
[21] L. J. Zhang and B. Li, "Requirements driven dynamic services composition for web services and grid solution," J. of Grid Computing, vol. 2, no. 2, pp. 121-140, Jun. 2004.
[22] G. Canfora, M. Di Penta, R. Esposito, and M. L. Villani, "An approach for QoS-aware service composition based on genetic algorithms," in Proc. of the 7th Annual Conf. on Genetic and Evolutionary Computation, ACM, pp. 1069-1075, Washington DC, USA, 25-29 Jun. 2005.
[23] S. Deng, H. Wu, D. Hu, and J. Zhao, "Service selection for composition with QoS correlations," IEEE Trans. on Services Computing, vol. 9, no. 2, pp. 291-302, Mar.-Apr. 2016.
[24] L. Ai and M. Tang, "A penalty-based genetic algorithm for QoS-aware web service composition with inter-service dependencies and conflicts," in Proc. IEEE Int. Conf. on Computational Intelligence for Modelling Control & Automation, pp. 738-743, Vienna, Austria, 10-12 Dec. 2008.
