向朝参，田 畅，赵文栋，聂景楠

（解放军理工大学 通信工程学院，南京 210007）

0 引 言

随着互联网技术的发展，服务规模日益扩大，对用户的同一服务需求，可能出现多个提供者提供功能相似的服务[1]；同时，现在很多用户要求服务不仅满足一定的功能属性（function），而且还要满足一定的非功能属性（non-function）。因此，如何从众多功能相似的服务中选择最好且最适合用户的服务，成为首要问题。首先，根据服务的功能性匹配选择出功能相似的候选服务；然后，利用服务的非功能性匹配从候选服务中选择最好的服务给用户；从而，使匹配的服务更满足用户的需求，提高服务发现的精度和成功率。可以看到，语义服务的非功能性匹配是服务匹配的关键，直接决定着用户获取服务的效率和精度，并成为近年来的研究热点。学术界从不同侧面对它进行了研究[1－15]，取得了很多研究成果和进展。文献[16]对2004年以前的Web服务核心技术进行了综述，由于语义Web服务的非功能性匹配是近年来的新概念和热点，因此，在该文献中较少讨论。文献[17]只重点对近年来的语义描述语言以及发布模型等基础技术进行总结。虽然文献[18]综述了基于QoS的Web服务选择算法，但它主要从选择问题模型、选择策略和选择算法3方面进行总结，笔者从完全不同的视角对近年来语义Web服务的非功能性匹配研究进行梳理和综述，为语义Web服务的进一步发展提供技术支持和帮助。

1 语义Web服务匹配的基本概念

语义Web服务匹配是指利用服务的语义描述，根据用户的服务需求选择相应的服务，是语义服务发现的关键，其成功与否直接影响服务发现的结果。

按照服务匹配个数可分为单服务匹配和服务组合匹配。服务组合匹配是利用服务的可重用性，将多个服务进行组合，以满足用户的需求，为用户提供更加丰富和强大的服务。按照服务匹配的依据条件可分为服务的功能性匹配和服务的非功能性匹配。服务的功能性匹配是指依据服务的功能选择用户所请求的服务；服务的非功能性匹配是指在服务的功能性匹配基础上，根据服务的非功能属性选择更加满足用户需求的服务。在这两种匹配方式中，服务的功能性和非功能性匹配是基础，单服务匹配和服务组合匹配都需基于服务的功能性和非功能性匹配进行服务选择，其关系如图1所示。

图1 语义服务匹配关系图Fig.1The relationships of semantic service matching

2 语义Web服务的非功能性匹配

语义Web服务的非功能性匹配是指依据服务的非功能属性进行匹配。非功能属性是指关于服务除了功能属性以外的任何性质，一般包括服务的QoS（Quality of Service）和Context，如，获取时间、费用、获取率、信誉度和上下文等。由于最近几年研究服务的QoS匹配比较多，是当前Web服务发现研究的一个热点，因此下面重点对当前服务的QoS匹配的研究进行分析和总结。

服务的QoS是指服务质量，如，费用、获取率和获取时间等，在不同的应用场景中其定义不同。服务QoS匹配的一般原理：从已匹配的满足用户功能需求的候选服务集中，根据各服务的QoS，选择出满足该用户请求服务的QoS约束条件且QoS性能最好的服务给用户。

根据近年服务QoS匹配研究和发展情况，按照层层递进的关系，对服务QoS匹配问题进行分解、归纳和组织，研究框架结构图如图2所示。首先，研究单个服务的QoS，包含3个子问题：1）服务QoS属性值的定义和表示；2）服务QoS属性值的计算；3）服务QoS值的注册和更新。然后，根据单个服务的QoS值，研究组合服务QoS值的计算问题。最后，对于单服务和组合服务，根据服务的QoS值，研究服务的匹配问题。下面将分别从这5个问题讨论语义Web服务的QoS匹配。

图2 服务QoS匹配研究框架Fig.2The research framework of service QoS matching

2.1 服务QoS属性值的定义和表示

服务QoS，由多个服务QoS属性值组成。目前在学术界没有给出一个明确、统一的分类方式，按照QoS属性值大小和服务质量的关系可分为：QoS正比属性和QoS反比属性。QoS正比属性是指属性的值与服务质量成正比，属性值越大，服务的质量越好；QoS反比属性是指服务质量与属性值成反比，属性值越大，服务的质量越差[1]。按照QoS属性值的来源可分为：服务提供者发布的QoS属性值（Provider-QoS）和服务使用者反馈的QoS属性值（Client-QoS）[4]。前者由服务提供者确定和发布，属于服务提供者对该服务质量的承诺[1，6，8－10，19－23]；后者由使用过该服务的用户反馈获得，属于服务使用者对使用服务后的反馈[11]。还有很多QoS属性值分类方式，这里不再一一列举，其中最常见的分类方式是按照服务QoS属性值的来源分类，因此，下面几个问题的讨论都是基于该分类方式进行的。

服务QoS的表示一般采用单个数值的形式，如文献[1，13]等，但由于应用场景和QoS属性多种多样，用单个数值很难准确地描述服务QoS的各种属性值，如服务获取时间需要采用区间范围的形式，可靠性需要采用模糊等级的形式等。因此，文献[20]针对服务QoS属性表示的多样性，提出了3种表示方法：单个数值、区间和模糊语言，并采用去模糊化、标准化以及归一化对这3种QoS表示方式的属性值进行统一处理，便于组合服务的QoS计算。该方法较全面地包含了当前服务研究中所涉及的QoS属性值的几种表示方式。

2.2 服务QoS属性值的计算

服务提供者发布的QoS属性（Provider-QoS）由服务提供者直接发布和设定，无需计算。对服务QoS属性值计算的研究都集中于服务使用者反馈的QoS属性值（Client-QoS）的计算，如服务的信誉度Reputation和可靠性等。在Client-QoS属性中，一种是直接利用用户反馈的历史信息预测其服务QoS值，如可靠性、获取时间和获取率等；另一种是根据用户反馈的QoS值结合服务提供者发布的QoS值计算其服务的信誉度Reputation。下面将分别从这两个方面对服务QoS属性值的计算进行分析和讨论。

2.2.1 基于用户反馈的历史QoS信息预测服务的QoS属性值

Client-QoS计算的关键是如何根据历史服务QoS信息准确地预测现在服务的QoS值。文献[24]针对单纯利用历史服务QoS信息的平均值预测现在的QoS信息，而不考虑各个历史服务QoS信息的贡献程度不同，导致预测服务QoS不准确这一问题，通过计算服务之间和用户之间的相似度，对历史服务QoS信息进行加权求和，以提高服务QoS预测的准确度，其预测准确度较取平均值有很大提高，但由于根据服务和用户之间相似度确定权重不太准确，QoS预测还存在较大的误差。文献[3]利用Markov链进行服务QoS的预测，以提高服务QoS的预测精度。这种方法预测精度高，但缺点是时间复杂度是指数阶。因此，如何根据各种不同的应用场景，折衷服务QoS预测的精度和计算复杂度是需要进一步研究的问题。同时，对于各种各样的服务QoS预测算法，如何评价和比较各种预测算法也是一个难点。文献[22]利用连续4个月每天观察24h的6个服务的QoS实际数据，用预测准确率和违反约束检测概率两个指标，对几种经典的、简单的服务QoS预测方法进行比较，从而选择出最好的预测方法。但该方法只是针对了几个简单的预测算法进行比较，如，平均值法、最新值法和线性预测算法等，并且其考虑的指标比较少，不够全面，没有考虑其预测算法的时间复杂度等。

2.2.2 信誉度Reputation的计算

信誉度是指服务的可信程度，其提出的背景是：在松散的SOA架构中，各服务提供者和用户之间松散动态耦合，可能出现服务提供者提供的服务QoS不可靠的情况，因此需要信誉度这一指标作为服务QoS的一个属性描述服务的性能。例如，它可以通过用户实际获得的服务QoS值与服务提供者发布的QoS值之间的差值决定，差值越大，服务的信誉度越低，反之亦然。

文献[2]通过获取该服务提供者的历史用户反馈的信誉度，计算其服务提供者的信誉度，同时，在计算过程中考虑了各个历史用户以及反馈信誉度值的权重等因素。其优点是对影响服务提供者信誉度值的因素考虑比较全面，计算的信誉度值较准确，但是计算较复杂，且需要大量的关于该服务提供者的交互历史信息，对刚进入系统的提供者或历史交互信息缺乏的服务提供者不公平。文献[15]为了提高公平性，采用了两种方法计算历史交互信息缺乏的服务提供者的信誉度：1）利用其服务提供者开始几次交互信息的信誉度计算其初始信誉度；2）通过中间管理者计算其信誉度。文献[25]为解决在实体交互反馈信息较少的情况下，能准确地计算实体信誉度这一问题，根据实体对其直接交互实体的直接信誉度矩阵以及其他实体之间交互反馈的QoS信息，计算实体对其它未直接交互实体的间接信誉度矩阵，以丰富实体之间的信誉度信息。前面都是针对计算单服务的信誉度，对于组合服务的信誉度计算，文献[26]提出根据用户对组合服务反馈的信誉度计算其各原子服务的信誉度的方法，以保证公平性，它根据各原子服务的权重和历史信誉度将组合服务的信誉度公平地分配到各原子服务中。

在松散的SOA架构中，不仅服务提供者不可靠，而且部分服务使用者也可能不可靠，从而导致反馈的QoS值虚假，如，某个用户和某个服务提供者合谋，虚假地反馈很高的QoS值，实行共谋欺骗等。针对服务提供者和用户发布QoS不可靠的问题，文献[27]针对虚拟计算环境中各自主节点为追求自身利益最大化而不合作的问题，提出非重复博弈的惩罚激励机制，促使各节点自觉采取诚实合作策略，同时避免了节点进行共谋欺骗。由于松散耦合的SOA架构中各节点也是自主节点，并且服务提供者和服务反馈者发布QoS不可靠问题也是因为它们不合作导致的，因此该问题可以借鉴非重复博弈的惩罚激励方法，但也存在一定的区别，如两个问题中的收益矩阵不同，则两问题的解决方法也有所不同。文献[25]基于每个用户只相信自己反馈的QoS信息这一前提，每个用户独立地建立自己对其他服务提供者的信任度矩阵，然后，根据自己的信任度矩阵选取服务，因而，能识别出不可靠的节点，且计算的服务信誉度值比较准确，但这种方法比较复杂，每个用户都需要维护一个对其他节点的信任度矩阵，内存消耗大。如何解决服务提供者和服务反馈者的不可靠性问题是计算信誉度的一个难点。

计算信誉度需要收集历史交互用户反馈的QoS信息，然而，当历史交互用户数量庞大时，收集历史用户反馈的QoS信息将导致网络开销和计算资源耗费很大。文献[28]针对在开放的系统中广泛收集服务的反馈信息带来网络开销大的问题，在收集服务的反馈信息前，计算各反馈者的信誉，从信誉最高的几个用户收集信息，这样既保证了反馈信息的准确性，又减少了网络开销，然而，这种方法的缺点是反馈者信誉计算复杂。

2.3 服务QoS值的注册和更新

由于服务QoS值由服务提供者发布或用户反馈，而服务匹配是在服务注册代理中进行，因此需要服务提供者或用户到服务注册代理中进行服务QoS注册，从而便于服务注册代理进行服务QoS的匹配，同时，由于服务QoS值随着时间可能发生动态变化，因此，需要对服务注册代理中的服务QoS值进行及时更新。

最简单的服务QoS注册方式是将作为服务描述的一部分包含到服务描述本体中，和服务的功能描述一起注册，文献[29]将基于语义的服务描述语言OWL-S进行扩展，以包含服务的QoS信息，提出了OWL-QoS服务描述语言。这种方法简单，不需要对以前的基于语义的服务发现结构进行太大改变，但服务功能一般比较稳定，变化较慢，而服务QoS值随着时间动态变化，在对服务的QoS进行更新时也要对不需更新的服务功能描述进行更新，从而造成计算资源的浪费和更新开销的大幅度增加。文献[30]随机抽查了正在运行的Internet服务注册库，发现在测试的1 405个服务样本中，只有17%的服务有效，由此更加说明了服务的QoS动态变化快，因此，需要将服务的QoS和服务功能描述进行分开注册，便于服务QoS的及时更新[31]。服务QoS的注册方法与服务功能描述的发布方法和原理类似。

服务QoS的更新可以分为周期查询式、集中监管式和判断＋更新方式[4]。周期查询式是指服务匹配代理周期性地向服务QoS发布者查询和获取最新的服务QoS值，然而，这种方法受查询周期影响较大，如果更新过快，网络负载较大，且存在很多无效查询；如果更新太慢，服务QoS更新不及时[4]。集中监管方式是指设置一个集中监管服务器进行服务QoS的评估、监管和更新[7]，但由于采用集中式，存在单点故障和系统瓶颈等缺点。判断＋更新方式是指根据一定的准则判断服务QoS值是否过期，如果判断过期，则进行更新，所以既避免了频繁更新增加网络负载，又保证了服务QoS及时更新。文献[32，33]以服务注册代理为中心，采用两种方法：一种方法是判断如果服务提供者发布的QoS与用户反馈的QoS差值大于某个阈值，则增加服务QoS值的更新频率[33]；另一种方法是判断如果用户反馈的QoS值超出原QoS值某个置信度下的范围，表明服务原QoS值可能过期，则对服务QoS进行重新计算和更新[32]。文献[4]以服务QoS发布者为中心，采用发布／订阅机制，服务注册代理向各服务QoS存储节点订阅服务QoS更新服务，提出服务QoS更新条件，当该服务的QoS变化满足订阅的服务QoS更新条件时，则服务QoS存储节点主动将服务QoS发给服务注册代理进行更新，同时，对组合服务QoS更新进行优化。因只有当整个组合服务的QoS更新条件满足时才进行更新，所以既保证了服务QoS的及时更新，又降低了网络开销，但各节点交互、合作机制较复杂。如何在保证服务QoS实时更新的情况下，尽量降低网络QoS注册和更新的开销是当前研究的一个方向。

2.4 组合服务的QoS值计算

组合服务的QoS计算是指根据各个服务的QoS值和服务功能组合流程，计算服务组合总的QoS值。服务功能组合流程一般包含4种结构（见图3），不同结构对应服务组合总的QoS值的计算公式也不同。文献[1]分别对这4种结构进行了分析，并给出了各种结构的服务组合QoS值的计算公式。大部分结构组合服务QoS的值计算比较简单，然而由于条件结构的组合服务具有多条执行路径，并且各条路径执行是随机的，具有一定的概率，其中P1和P2分别表示两执行路径发生的概率，因此计算条件结构的组合服务QoS的值较复杂。一种计算方法是文献[1]采用的以各执行路径QoS的概率平均值作为组合服务QoS的值。该方法简单，且能较准确地描述组合服务总的QoS值，因此现在的服务组合匹配一般都采用这种计算方法，但因只是通过概率平均值描述组合服务QoS的值，不够准确。如果要求服务的QoS值严格满足用户的约束要求，则可以采用执行路径中最小的QoS值作为组合服务的QoS值[21]。但由于各执行路径具有一定概率，因此，组合服务的QoS值是随机值。文献[21]提出了组合服务QoS值具有不确定性这一概念，通过将服务组合结构转换为树形结构，计算组合服务总的QoS值的概率分布，从而能更准确地描述组合服务QoS的值，但问题的关键和难点是如何基于不确定的组合服务QoS值匹配服务。为了解决基于随机性服务QoS值的匹配问题，文献[13]首先选择出具有一定置信度的服务集，然后用户根据自己的需求从中选择所需的服务，从而避免了由服务QoS值的随机性带来的服务匹配不准确的问题。文献[32]将基于随机QoS值的服务组合匹配问题转化为随机型离散事件系统动态寻优过程，并采用马尔可夫决策模型进行基于随机QoS值的服务组合，以提高服务发现的精度。这两种方法解决了具有随机性的服务QoS的匹配问题，但具有一定概率分布的服务QoS匹配问题还有待进一步的研究。

图3 服务组合流程的4种结构Fig.3The workflow of service composition

2.5 服务QoS的匹配

当各服务的QoS值都已经计算出来，如何进行服务匹配。这对于单服务，是一个遍历候选服务集、时间复杂度为O（N）的简单问题；而对于组合服务，是个较复杂的问题，其匹配策略通常包括局部最优、全局最优和混合式3种。由于在组合服务QoS的局部最优组合匹配中，单个子功能的服务QoS匹配等同于单服务的QoS匹配，组合服务的局部最优匹配问题包含单个服务的QoS匹配问题，因此，很少单独研究和讨论单服务的QoS匹配问题，下面将分别从局部最优、全局最优以及混合式3种策略讨论组合服务的QoS匹配问题。

2.5.1 局部最优组合匹配

分别对服务功能组合流程中的各子功能基于服务QoS选择出最好的服务，然后将服务按照服务功能组合流程的结构组合起来[34]。即局部最优组合匹配的核心是基于服务QoS的单服务匹配。而要实现单服务的QoS匹配，首先要将服务的各QoS属性值根据其权重加权求和，计算出服务总的QoS；然后根据服务总的QoS，选择满足用户约束条件且最好的服务。因此，单服务QoS匹配的核心是服务QoS各属性值的定义、表示和计算以及权重的确定。下面主要对服务各QoS属性值的权重确定问题进行分析和讨论。

服务QoS属性值的权重是指各QoS属性值对总的服务质量的重要程度。其权重确定模式一般分为主观赋权模式、客观赋权模式、主客观赋权模式和无权模式4种。主观赋权模式是指用户指定每个QoS属性值的权重，这种方式比较简单、易用[1，8]，但没有考虑实际客观的QoS属性值。而客观赋权模式避免用户对各个QoS属性值赋权的主观性，从QoS属性值的客观性出发，根据实际服务QoS属性值计算出其权重。文献[34]根据QoS属性值在各个服务中的一致性度量该QoS属性值的权重，一致性好的QoS属性值权重高。主客观赋权模式在对服务各QoS属性值赋权重时，既考虑了用户的主观性，又考虑了实际QoS值的客观性，综合前面两种赋权模式。文献[34]将主客观赋权模式的权重计算问题转化为一个双目标的优化问题来计算。无权模式则避免了各QoS属性权重的不确定性和用户主观赋权的不准确性，在服务匹配过程中不考虑各QoS属性的权重，如文献[13]为了避免用户描述各QoS属性权重的不准确性问题，首先利用数据库研究中常用的Skyline计算选择候选服务集，然后用户根据自己的需要和偏好从中选择服务。由于其服务集中最差的服务都至少存在一个属性值比服务集以外的任何服务都好，因此，无论用户指定的各服务QoS属性值的权重是多少，选出的服务都能满足用户的需求。为了解决由于QoS各个属性值之间存在不确定的关系导致其权重很难确定的问题，文献[35]采用无权模式，先定义了联合计算公式计算多个QoS属性联合对服务质量的贡献值，然后根据这个贡献值选择服务。这4种赋权模式各有优缺点和适用条件，总结如表1所示。

表1 局部最优服务组合匹配的4种赋权模式的比较Tab.1Comparison in four modes of locally optimal service composition matching

2.5.2 全局最优组合匹配

基于服务QoS的全局最优组合匹配是指根据整个组合服务的QoS值选择出满足用户QoS约束条件且QoS值最优的服务。它是多约束的单目标优化问题[1]，其基本模型如式（1）所示，其中F（qi）表示第i个服务组合总的QoS值qi对服务质量的效用函数值，qji表示第i个服务组合中第j个QoS属性值，Qj表示用户对服务组合中第j个QoS属性值的约束要求

由于全局最优组合匹配问题是个 NP完全问题，通常采用启发式算法[1，8，9，19，36]求解。文献[1]将这个多约束的目标优化问题转化为0-1整数规划问题和有向无循环图的多约束最优路径选择问题，提出了时间复杂度为指数阶的最优化算法和时间复杂度为多项式阶的启发算法。文献[9，19，36]采用遗传算法解决这个多约束的目标优化NP完全问题。为提高最优解的收敛速度，文献[37]采用离散微粒群进化算法。文献[8]采用启发算法，以最快的速度和步数找到满足用户QoS约束的服务组合次优解代替最优解，以降低服务组合匹配的时间复杂度，并尽可能找到接近最优解的次优解。因此，在保证接近服务组合的最优解情况下，尽量降低服务匹配的复杂度是当前全局最优服务组合匹配研究的一种趋势，如何在这两个指标上进行很好的折衷是当前一个难点。

2.5.3 混合式组合匹配

将全局最优组合匹配和局部最优组合匹配方法进行结合和折衷，以利用两种匹配方法的优点，在保证得到的匹配结果接近最优解的情况下，尽量降低服务匹配的时间复杂度。由于组合服务的全局最优解的子服务一般都在各个子功能的局部最优解附近[34]，因此，文献[12，34，38]采用基于服务QoS的混合式组合匹配，先根据局部最优缩小各子功能候选服务集的范围，并按照服务的QoS对候选服务进行排序，然后根据得到的各子功能局部最优候选集和排序结果选择满足用户QoS的全局约束条件的最优服务组合，文献[39]提出将组合服务的用户QoS全局约束条件按照一定的准则分配到各个子功能中，然后各子功能基于被分配的QoS约束条件进行局部最优服务匹配，最后将各子功能的局部最优解进行组合。由于其准则保证了满足各子功能QoS约束条件的子服务的组合也能满足用户的QoS全局约束条件，因此，该方法在满足用户QoS全局约束条件下，将局部最优解进行组合，以得到近似最优解。这两种方法的优点是在得到近似最优解的情况下，降低了服务匹配的时间复杂度，但得到的近似解接近最优解的程度较难控制。

这3种服务QoS的匹配方式各有优缺点和适用条件（见表2），需要根据服务发现的不同要求采取相应的服务QoS匹配方式。

表2 服务QoS匹配3种方式的比较Tab.2Comparison in three ways of service QoS matching

3 总结与展望

近年来，语义Web服务成为SOA架构研究的一个主要领域[40]，成为当前研究的热点[41]。它的应用规模和范围日益扩大，不仅局限于互联网中传统的web服务，还可以将不同硬件设备互联，便于其功能共享和重组，如 RBS[42]，ISR[43]、信息栅格（Information Grid）等。在语义 Web服务的实现和研究中，服务匹配是关键和难点，而语义Web服务的非功能性匹配又是服务匹配的关键和当前研究的热点。工业界和学术界都从不同方面对此进行研究，并从理论和应用两个方面提出了各种原型系统和实际应用产品。笔者重点从5个问题出发，全面而又细致地总结和分析了当前研究热点——语义Web服务的非功能性匹配的研究现状，既讨论了各种匹配方法提出的背景，又分析了它们之间的关系，还比较了各自的优缺点。

虽然语义Web服务的非功能性匹配是近两年研究的热点，研究较多，但从前面的分析中发现还存在很多值得研究的问题，如，如何对QoS属性值进行统一的、比较完整地分类；如何在实际工程中定义服务的QoS属性值以及实现服务QoS的匹配；采用何种算法使基于用户历史反馈QoS信息更加准确地预测服务现在的QoS值；如何比较和评估各种预测算法；如何更加准确地计算服务的信誉度值；如何解决服务提供者和用户反馈QoS值不可靠的问题；如何使服务QoS实时更新且保持低的网络开销；如何解决服务QoS注册、更新负载均衡；如何解决随机变化的或具有一定概率分布的QoS值的服务匹配问题；在保持服务匹配QoS全局最优性基本不变的情况下，如何尽量提高服务组合发现的速度以及降低组合的开销等。笔者正在对这些问题进行进一步研究。

：

[1]YU T，ZHANG Y，LIN K J.Efficient Algorithms for Web Services Selection with End-to-End QoS Constraints[J].ACM Transactions on the Web，2007，1（1）：1-26.

[2]MALIK Z，BOUGUETTAYA A.RATEWeb：Reputation Assessment for Trust Establishment among Web Services[J].The VLDB Journal，2009，18（2）：885-911.

[3]STRUNK A.An Algorithm to Predict the QoS-Reliability of Service Compositions[C]∥2010IEEE 6th World Congress on Services.[S.l.]：IEEE Computer Society，2010：205-212.

[4]郑啸，罗军舟，曹玖新，等.基于发布／订阅机制的 Web服务QoS信息分发模型[J].计算机研究与发展，2010，47（6）：1088-1097.

ZHENG Xiao，LUO Jun-zhou，CAO Jiu-xin，et al.A Publish／Subscribe Based Information Dissemination Model for QoS of Web Services[J].Journal of Computer Research and Development，2010，47（6）：1088-1097.

[5]蒋哲远，韩江洪，王钊.动态的QoS感知 Web服务选择和组合优化模型[J].计算机学报，2009，32（5）：1014-1025.JIANG Zhe-yuan，HAN Jiang-hong，WANG Zhao.An Optimization Model for Dynamic QoS-Aware Web Services Selection and Composition[J].Chinese Journal of Computers，2009，32（5）：1014-1025.

[6]LI S C，CHEN H P，CHEN X.A Mechanism for Web Service Selection and Recommendation Based on Multi-QoS Constraints[C]∥2010 6th World Congress on Services.[S.l.]：IEEE Computer Society，2010：221-228.

[7]BENHARREF A，SERHANI M A，BOUKTIF S，et al.A Managerial Community of Web Services for Management of Communities of Web Services[C]∥10th Annual International Conference on New Technologies of DIstributed Systems.Tozeur，Tunisia：IEEE Computer Society，2010：97-104.

[8]MENASC'E D A，CASALICCHIO E，DUBEY V.A Heuristic Approach to Optimal Service Selection in Service Oriented Architectures[C]∥WOSP（ACM）.Princeton，New Jersey，USA：ACM，2008：13-23.

[9]FANJIANG Y-Y，SYU Y，WU C-H，et al.Genetic Algorithm for QoS-Aware Dynamic Web Services Composition[C]∥2010International Conference on Machine Learning and Cybernetics（ICMLC）.[S.l.]：IEEE Computer Society，2010：3246-3251.

[10]BAKHSHI M，MARDUKHI F，NEMATBAKHSH D N.A Fuzzy-Based Approach for Selecting the Optimal Composition of Services According to User Preferences[C]∥2010the 2nd International Conference on Computer and Automation Engineering（ICCAE）.[S.l.]：IEEE Computer Society，2010：129-135.

[11]NEPAL S，SHERCHAN W，HUNKLINGER J，et al.A Fuzzy Trust Management Framework for Service Web[C]∥2010IEEE International Conference on Web Services.[S.l.]：IEEE Computer Society，2010：321-328.

[12]YU Q，BOUGUETTAYA A.Computing Service Skylines over Sets of Services[C]∥2010IEEE International Conference on Web Services.[S.l.]：IEEE Computer Society，2010：481-488.

[13]YU Q，BOUGUETTAYA A.Computing Service Skyline from Uncertain QoS[J].IEEE Transactions on Services Computing，2010，3（1）：16-29.

[14]BALFAGIH Z，HASSAN M F B.Agent Based Monitoring Framework for SOA Applications Quality[C]∥2010International Symposium in Information Technology（ITSim）.[S.l.]：IEEE Computer Society，2010：1124-1129.

[15]MALIK Z，BOUGUETTAYA A.Reputation Bootstrapping for Trust Establishment among Web Services[J].IEEE Internet Computing，2009，13（1）：1-13.

[16]岳昆，王晓玲，周傲英.Web服务核心支撑技术：研究综述[J].软件学报，2004，15（3）：428-442.YUE Kun，WANG Xiao-ling，ZHOU Ao-ying.Underlying Techniques for Web Services：A Survey[J].Journal of Software，2004，15（3）：428-442.

[17]刘华文，申春，杨冬，等.语义 Web服务基础技术研究综述[J].吉林大学学报：信息科学版，2010，28（1）：47-54.

LIU Hua-wen，SHEN Cun，YANG Dong，et al.Survey of Semantic Web Service Techniques[J].Journal of Jilin University：Information Science Edition，2010，28（1）：47-54.

[18]李金忠，夏洁武，唐卫东，等.基于 QoS的 Web服务选择算法综述[J].计算机应用研究，2010，27（10）：3622-3628.

LI Jin-zhong，XIA Jie-wu，TANG Wei-dong，et al.Survey on Web Services Selection Algorithms Based on QoS[J].Application Research of Computers，2010，27（10）：3622-3628.

[19]ZHANG Pei-yun，SUN Ya-min.Web Services Composition Based on Global Semantics and QoS-Aware Aspect[J].Journal of Southeast University，2008，24（3）：296-299.

[20]LI Z，YANG F，SU S.QoS-Aware Semantic Web Service Composition with Uncertainties[J].Chinese Journal of Electronic（SCI），2008，17（4）：703-709.

[21]ZHENG H，ZHAO W，YANG J，et al.QoS Analysis for Web Service Composition[C]∥2009IEEE International Conference on Services Computing.[S.l.]：IEEE Computer Society，2009：235-242.

[22]CAVALLO B，PENTA M D，CANFORA G.An Empirical Comparison of Methods to Support QoS-Aware Service Selection[C]∥Proceeding of the PESOS.Cape Town，South Africa：[s.n.]，2010：64-70.

[23]李祯，杨放春，苏森.基于模糊多属性决策理论的语义 Web服务组合算法[J].软件学报，2009，20（3）：583-596.

LI Zhen，YANG Fang-chun，SU Shen.Fuzzy Multi-Attribute Decision Making-Based Algorithm for Semantic Web Service Composition[J].Journal of Software，2009，20（3）：583-596.

[24]邵凌霜，周立，赵俊峰，等.一种 Web Service的服务质量预测方法[J].软件学报，2009，20（8）：2062-2073.

SHAO Ling-shuang，ZHOU Li，ZHAO Jun-feng，et al.Web Service QoS Prediction Approach[J].Journal of Software，2009，20（8）：2062-2073.

[25]陈志刚，刘莉平，刘安丰.基于黑白板的信任敏感 Web服务组合策略[J].通信学报，2010，31（6）：25-35.

CHEN Zhig-ang，LIU Li-peng，LIU An-feng.Trust-Sensitive Web Service Composition Strategy Based on Black and White Board[J].Journal on Communications，2010，31（6）：25-35.

[26]NEPAL S，MALIK Z，BOUGUETTAYA A.Reputation Propagation in Composite Services[C]∥2009IEEE International Conference on Web Services.[S.l.]：IEEE Computer Society，2009：295-302.

[27]桂春梅，蹇强，王怀民，等.虚拟计算环境中基于重复博弈的惩罚激励机制[J].软件学报，2010，21（12）：3042-3055.

GUI Chun-mei，JIAN Qiang，WANG Huai-ming，et al.Repeated Game Theory Based Penalty-Incentive Mechanism in Internet-Based Virtual Computing Environment[J].Journal of Software，2010，21（12）：3042-3055.

[28]潘静，徐锋，吕建.面向可信服务选取的基于声誉的推荐者发现方法[J].软件学报，2010，21（2）：388-400.

PANG Jing，XU Feng，LÜJian.Reputation-Based Recommender Discovery Approach for Service Selection[J].Journal of Software，2010，21（2）：388-400.

[29]ZHANG Y，HUANG H，YANG D，et al.Bring QoS to P2PBased Semantie Service Discovery for the Universal Network[J].Journal Personal and Ubiquitous Computing，2009，13（7）：471-477.

[30]AL-MASRI E，MAHMOUD Q H.Investigating Web Services on the World Wide Web[C]∥Proc of the 17th Int Conf on World Wide Web.New York：ACM，2008：795-803.

[31]李飞，杨放春，苏森.分布式 Web服务 QoS波册中的高效负载均衡方法[J].电子与信息学报，2009，31（5）：1022-1025.

LI Fei，YANG Fang-chun，SU Sen.Efficient Load-Balance in Distributed QoS Registry for Web Service[J].Journal of Electronics ＆Information Technology，2009，31（5）：1022-1025.

[32]范小芹，蒋昌俊，王俊丽，等.随机 QoS感知的可靠 Web服务组合[J].软件学报，2009，20（3）：546-556.

FAN Xiao-qin，JIANG Chang－jun，WANG Jun-li，et al.Random-QoS-Aware Reliable Web Service Composition[J].Journal of Software，2009，20（3）：546-556.

[33]LAGES A G，PIRMEZ L，PIRES P F，et al.SATYA：A Reputation-Based Approach for Service Discovery and Selection in Service Oriented Architectures[C]∥Proceedings of the Annual ACM International Workshop on Web Information and Data Management.Lisbon，Portugal：ACM，2007：525-528.

[34]胡建强，李涓子，廖桂平.一种基于多维服务质量的局部最优服务选择模型[J].计算机学报，2010，33（3）：526-534.

HU Jian-qiang，LI Juan-zi，LIAO Gui-ping.A Multi-QoS Based Local Optimal Model of Service Selection[J].Chinese Journal of Computers，2010，33（3）：526-534.

[35]岳昆，刘惟一，王晓玲，等.一种基于不确定性因素叠加的 Web服务质量度量方法[J].计算机研究与发展，2009，46（5）：841-849.

YUE Kun，LIU Wei-yi，WANG Xiao-ling，et al.An Approach for Measuring Quality of Web Services Based on the Superposition of Uncertain Factors[J].Journal of Computer Research and Development，2009，46（5）：841-849.

[36]刘书雷，刘云翔，张帆，等.一种服务聚合中 QoS全局最优服务动态选择算法[J].软件学报，2007，18（3）：646-656.

LIU Shu-lei，LIU Yun-xiang，ZHANG Fan，et al.A Dynamic Web Services Selection Algorithm with QoS Global Optimal in Web Services Composition[J].Journal of Software，2007，18（3）：646-656.

[37]范小芹，蒋昌俊，方贤文，等.基于离散微粒群算法的动态 Web服务选择[J].计算机研究与发展，2010，47（1）：147-156.

FAN Xiao-qin，JIANG Chang－jun，FANG Xian-wen，et al.Dynamic Web Service Selection Based on Discrete Particle Swarm Optimization[J].Journal of Computer Research and Development，2010，47（1）：147-156.

[38]张佩云，黄波，孙亚民.一种基于语义与QoS感知的 Web服务匹配机制[J].计算机研究与发展，2010，47（5）：780-787.

ZHANG Pei-yun，HUANG Bo，SUN Ya-min.A Web Services Matching Mechanism Based on Semantics and QoS-A-ware Aspect[J].Journal of Computer Research and Development，2010，47（5）：780-787.

[39]ALRIFAI M，RISSE T.Combining Global Optimization with Local Selection for Efficient QoS-Aware Service Composition[C]∥Proceedings of the 18th International Conference on World Wide Web.Madrid，Spain：ACM，2009：881-890.

[40]PAPAZOGLOU P M，TRAVERSO P，DUSTDAR S S，et al.Service-Oriented Computing：State of the Art and Research Challenges[J].Computer，2007，40（11）：38-45.

[41]白同强，刘磊.语义 Web的研究与展望[J].吉林大学学报：信息科学版，2004，22（2）：154-159.

BAI Tong－qiang，LIU Lei.Research and Prospect in Semantic Web[J].Journal of Jilin University：Information Science Edition，2004，22（2）：154-159.

[42]FORD M，LJUNGBERG M，HOOK D J V，et al.Resource Brokering Service：Automatic Plan Composition and Execution[C]∥the 2010Military Communications Conference.[S.l.]：IEEE Computer Society，2010：2040-2045.

[43]VIGGH D H E M，WEED C，CHAN D M T，et al.Composable Applications Using Service Encapsulation[C]∥The 2010Military Communications Conference.[S.l.]：IEEE Computer Society，2010：2046-2051.