吴青林， 周天宏

(1.郧阳师范高等专科学校 计算机科学系，湖北 十堰442000;2.武汉商学院 信息工程系，湖北 武汉430056)

0 引 言

Web 服务是面向服务体系结构软件的重要形式，已广泛应用在商业、金融、教育、国防等多个领域。随着因特网技术的进一步发展，Web 服务数量迅速增加，将分布在网络上的Web 服务有效组合成新服务，能够更有效地满足Web 用户的个性化需求。由于存在多种Web 服务组合方案，如何在这些组合方案中快速准确地选择出与用户需求最相似的服务组合，是当前Web 服务组合领域的研究热点。当前的服务选择大多数按照Web 服务的QoS 参数信息进行加权和排序，并以此为依据选择加权和最大的服务，这种选择方式简洁，但存在以下不足［1-3］:①对QoS 属性的赋权多采用固定权重、单一权重赋权方法，对主客观综合赋权方法研究不深入，其赋权不具有伸缩性和模糊性;②Web 服务的QoS 属性加权排序不够准确，可能存在某个QoS 值特别高而使该服务的综合值升高的情况;③没有很好的考虑Web 服务与客户的需求关系，可能导致优质服务资源的浪费。本文引入联系数的概念提出了主客观模糊权重处理方法，并结合灰色关联理论将权重因子引入关联度量化模型中设计服务选择实验，达到选择出最符合用户需求服务的目的。

1 相关定义及QoS 属性预处理

1.1 相关定义

为了更好地从相似服务中选择用户所需服务，将本实验用到的服务集合、属性集及权重定义如下［4-5］:

定义1 设S = { s1，s2，…，sn}表示服务集合，si表示候选Web 服务，其中1≤i≤n，n 表示Web 服务的数量。

定义2 设Qi=(qi(1)，qi(2)，…，qi(m))，其中i=1，2，…，m，表示Web 服务的属性个数，qi(j)表示Web 服务i 的第j 个QoS 属性值。

定义3 ω =(ω1，ω2，…，ωm)，表示Web 服务的权重向量，ωm表示Web 服务的第m 个属性权重，m 表示Web 服务的QoS 属性数量。

1.2 Web 服务属性预处理

Web 服务的属性具有多样性特点［6-7］:，有些QoS属性是效益型变量，数字越大表示具有较高的性能，有些是成本型变量，数字越大性能越低，并且众多QoS属性的取值范围具有不统一性，相差很大，不具有可比性。为了不同的QoS 属性能够比较，应将QoS 属性转化成无量纲的值，并将其都限定在［0 1］之间，本文采用下式对效益型和成本型QoS 参数进行归一化预处理，归一化公式为:

2 Web 服务权重确定

Web 服务的属性种类繁多，不同应用环境下用户对QoS 属性的偏好不同，QoS 属性值对服务质量的所起作用也不同。利用联系数的不确定系数使权重具备一定的伸缩性，将主观权重和客观权重两方面结合起来，有效地支持模糊赋权［8-9］。

2.1 主观权重确定

主观权重的确定主要依据Web 用户对服务QoS属性的认识程度，如果用户对Web 服务认识清晰，用户可以直接指定每个QoS 参数的权重，对权重的认识不清晰时，可以通过比较矩阵确定服务的权重，本文采用［10］提出的近似计算法求向量β = (ω1，ω2，…，ωn)，与Web 服务QoS 属性值相对应。

2.2 客观权重确定

客观权重指挖掘Web 服务QoS 数据信息获到的权重，常用的客观权重确定方法有主成分分析取值法、因子分析法、熵权值法、变异系数改进法等。本文采用离差最大定权法确定客观权重。根据QoS 数据信息，比较n 个候选Web 服务的每个QoS 属性信息，其属性值之差较大的属性具有较大的权重，属性值之差较小的属性值具有较小的权重，当某一个QoS 属性在所有候选服务都相等，则说明该QoS 属性在Web 服务综合质量排序中不起作用，因此确定该Web 服务的QoS 权重为零。根据以上思想，对n 个候选服务，每个服务含有m 个QoS 属性值的权重计算方法为:

(1)对m 个QoS 属性依次计算其最大离差σj(j=1，2，…，m)

(2)以σj为分子，以m 个QoS 属性的最大离差σj之和作为分母确定每个属性的权重，则第j 个属性的权重为

2.3 综合权重的确定

综合权重是主观权重和客观权重的综合作用值，引入联系数将其表示为a +bi 的形式，联系数a 和b的相互协同用用的大小是从原点指向u 的向量的模的大小，并根据联系数模的物理意义，本文取联系数的模为综合权重值。

(1)由主观权重确定法和客观权重法确定的Web服务属性权重不相同的，可以构成区间数wj=［，］，其是取第j 属性客观权重和主观观重较小的一个，取第j 属性客观权重和主观权重较大的一个。

(2)将权重区间数以联系数的形式表示:

(3)计算联系数的模并将计算值作为该指标的综合权重:

3 模拟实验设计

3.1 实验基本思想

实验基于灰关联技术建立选择模型，灰关联分析技术是一种系统分析技术，主要分析系统中各个因素的关联程度，依据空间理论相关知识，确定参考因素与比较因素的关联系数和关联度［11-13］。灰关联计算公式为对象的相似度提供了一种新的分析方法，通过相似度的计算来实现目标对象的选择。在传统的关联度算法中先通过计算比较对象各局部指标的关联系数，然后根据每个局部指标的权重进行加权平均计算出总体相似度。由于各个局部指标的权重不一样，在本实验中计算关联系数时直接将权重引入，可以更加准确地反映各指标相似度关系。

3.2 实验算法步骤

(1)设用户需求服务归一化的QoS 属性值序列为Q0=(q0(1)，q0(1)，q0(2)，…，q0(n))，与客户需求服务进行比较的QoS 值为Qi= (qi(1)，qi(2)，…，qi(n))，其中i=1，2，…，m。

(2)根据权重计算公式，计算出服务对应的权重序列为ω=(ω(1)，ω(2)，ω(3)，…，ω(n))，将权重引入到灰色关联公式中，依据改进后的灰色关联公式，Q0和Qi在指标k 的关联系数定义如下:

式中:ξ 为分辨系数，取值在［0，1］之间，一般取0.5，ωk为不同QoS 属性的权重。相似度关联系数取值范围为［0，1］，为1 时，表示与客户需求服务完全一致;为0 时，表示与客户需求服务相差甚远。由式(5)计算m×n 个Web 属性的灰色度，并构成相似矩阵:

(3)可选服务与参考需求服务灰色相似度确立。

①可选组合Web 服务qi与参考需求服务q0在QoS 属性k 的距离可定义为:

函数Gd是基于灰色关联理论的相对距离，其取值范围为［0，∞］，当两个服务属性完全相似其相对距离取值为0，相差特别大时，就值就会变的很大［14-15］。

②根据欧几里得距离公式，具有n 个QoS 属性的可选组合服务qi与参考需求服务q0距离定义为:

③可选Web 组合服务qi与参考需求Web 服务q0的复合灰色相似度为:

灰色相似度取值范围为［0，1］，越接近1 说明其与用户需求越相似。

4 Web 服务选择实例

在服务选择实例中使用Matlab8.1.软件模拟了4个可选服务，其服务集合为s = {s1，s2，s3，s4}，每个Web 组合服务的属性集合

Q = {响应时间，成本，信誉度，完整性、安全性}经归一化处理后的属性值如表1 所示:

(1)确定主观权重。通过Web 用户评估的方法对表1 数据建立QOS 属性比较矩阵，其比较矩阵如下:

表1 归一化处理后的Web 组合服务QoS 属性

根据以上比较矩阵和求解主观权重的方法，计算出其权重向量为{0.263 6，0.477 3，0.053 1，0.098 8，0.107 2}。

(2)客观权重确定。分别针对5 个QoS 属性依次计算其最大离差σj，分别为:

(3)由客观权重和主观权重组成权重的区间数，其5 个QoS 属性权重的区间数分别为:［0. 17 0.26］，［0.15，0.48］，［0.05，0.22］，［0.10，0.24］，［0.11，0.22］。

(4)将其转化为联系数的形式，则

同理σ2=0.315 +0.165i，σ3=0.135 +0.085i，σ4=0.17 +0.07i，5=0.165 +0.055i，分别求联系数的模，归一化的模为可得Web 服务的权重向量ω=(0.2，0.32，0.15，0.17，0.16)。

(3)由关联系数公式计算出可选Web 服务与参考Web 服务各属性灰色相似矩阵:

(4)根据可选服务组合q0与参考需求服务qi的复合灰色相似度公式，计算每个可选服务与参考需求服务的相似度，为GS(q0，qi)= (0. 43，0. 29，0. 68，0.35)，因此第三个候选Web 服务与用户要求最具有相似性。

(5)实验结果分析。本文利用联系数“模”的性质，综合了主观权重的客观权重相互作用的信息，与传统加权灰色关联分析方法的结果一致，并且本实验提出的方法进一步提高相似度的分辨率。由于本实验的联系数包括不确定信息，从不确定角度分析了实验结果，通过设置联系数中的不确定数i 不同取值展开分析，检查不同i 值对Web 服务排序结果是否产生。分析过程中分别取i =－1、i =1/2、i =2/5、i =1，经计算验证Web 服务的排序顺序均没有发生改变，结果表明该相似服务选择方法的稳定性和可靠性。

5 结 语

服务组合中相似服务的选择问题是Web 服务组合的关键技术，本文实验考虑Web 服务QoS 属性的重要程度不一样，将权重引入灰色相似度的计算公式中，更加科学的体现了QoS 重要程度对服务选择的影响，有利于相似Web 服务的选择。在权重的确定过程中利用层次分析法和离差最大定权法分别确定Web 服务的主观权重和客观权重，并引入联系数的概念根据其模的几何意义确定主观权重和客观权重相互作用的综合权值。本文实验提出的Web 服务组合的相似服务的选择实验方法，物理意义明确，计算过程简明，很好的解决了多指标因素相互关联情况下的Web 服务选择问题，并可以为其他领域的检索和选择问题提供参考作用。

［1］ 温 涛，李迎秋. 不确定信息下基于改进粒子群算法的服务选择［J］.吉林大学学报(工学版)，2014，44(1):129-136.

［2］ 汪明天，刘夫云.基于加权灰关联的产品配置相似实例检索算法研究［J］.计算机应用研究，2009，26(11):4084-4086.

［3］ 薛 霄，刘志中. 服务质量可定制的企业协同Web 服务组合方法［J］.计算机集成制造系统，2013，19(11):2091-2021.

［4］ 方其庆，刘庆华，彭晓明. QoS 全局最优的多目标Web 服务选择算法［J］.计算机应用研究，2009，26(12):4442-4445.

［5］ 张成文，苏 森，陈俊亮.基于遗传算法的QOS 感知的Web 服务选择［J］.计算机学报，2006，29(07):1029-1037.

［6］ 孟凡立，徐 明，孙 荣.虚拟化平台下数据存储方式的选择与优化探讨［J］. 实验室研究与探索，2012，31(9):52-56.

［7］ 邓聚龙.灰色理论基础［M］.武汉:华中科技大学出版社，2002:112-202.

［8］ 吴大中，高 飞.一种HEVC 帧内模式选择的快速算法［J］.实验室研究与探索，2014，33(6):107-110.

［9］ 吴开亚，金菊良，王文圣. 基于集对分析的组合评价模型及其应用［J］.数学的实践与认识，2013，43(3):1-6.

［10］ 运筹学教材编写组. 运筹学［M］.4 版. 北京:清华大学出版社，2014:522-527.

［11］ 康国胜，刘建勋，唐明董.QoS 全局最优动态Web 服务选择算法［J］.小型微型计算机系统，2013，34(1):73-76.

［12］ 李祚泳，邬 敏，刘智勇，等.联系数中i 赋值的新途径及在水质评价中的应用［J］.四川大学学报(工程科学版)，2009，41(1):8-13.

［13］ 刘秀梅，赵克勤.基于二次联系数的区间数多属性决策方法及应用［J］.模糊系统与数学，2011，25(5):115-121.

［14］ 何炎祥，吴 钊.动态Web 服务组合关键技术与性能分析［M］.北京:清华大学出版社，2011:6-78.

［15］ 王红兵，孙文龙，王华兰. Web 服务选择中偏好不确定问题的研究［J］. 计算机学报，2013，36(2):275-284.