Services web et la Sélection basée sur la QoS

Services web et la Sélection basée sur la QoS

Sélection de service web basée sur l’Algorithme de la FOA

Introduction

L’objectif de ce chapitre est de décrire le modèle de notre approche pour sélectionner le meilleur fournisseur d’un service web.
Dans ce chapitre, nous proposons notre algorithme de sélection et sa méthode de fonctionnement.
FOA (Fruit Fly Optimization Algorithm) est une nouvelle méthode pour trouver l’optimisation globale sur la base de fruit Fly
2 WS-FOA Web Service composition based on Fruit Fly Optimization Algorithm (la composition de services web basée sur l’algorithme d’optimisation Fruit Fly)

Définition

FOA (Fruit Fly Optimization Algorithm) est une nouvelle méthode pour trouver l’optimisation globale d’une composition de service. [16]
La Recherche fruit Fly est basée sur un mouvement par essaims, l’équipe de chercheurs, Yiwen Zhang, Guangming Cui, Yan Wang, Xing Guo et Shu Zhao a traduit le phénomène à un processus en 2015. [17]
C’est une très récente Meta-heuristique à base d’une population de solution.

Comportement de Fruit Fly

La Recherche de nourriture de fruit Fly va prendre le scenario suivant
Le chemin d’alimentation d’un animal est effectivement une marche aléatoire.
Dans notre exemple, on va suivre le protocole naturel de fruit Fly qui est dans un emplacement aléatoire et qui va voler vers la nourriture dans plusieurs directions sur la base de la vision et la meilleur distance, on va suivre la même chose dans notre algorithme et on doit choisir le meilleur déplacement.

La modélisation de la composition de service

 Définition 1 Structure QoS

Soit le vecteur de qualité QoS = {A, T, C, R} (1), où A représenté la disponibilité, T représente le temps de réponse, C représente coût, et R représente la réputation. [18]
(1) Disponibilité (A)
La disponibilité fait référence à la probabilité qu’une bande de service web est accessible, à savoir la proportion de visites de service Web avec succès dans la période de temps t.
Soit A = / t (2), où le représente le temps d’accès avec succès du service dans le délai période t. A est un nombre dans l’intervalle [0, 1].
(2) Temps de réponse (T)
Le temps de réponse correspond au délai prévu entre le moment où un demandeur de services envoie une demande de service et le moment où le résultat est obtenu.
Il comprend principalement le temps d’exécution de service Web , le temps de transmission du service , et d’autre consommation de temps . Par conséquent, le temps de réponse est évalué comme suite
Coût fait référence à la taxe qu’un demandeur de service doit payer au fournisseur de service pour l’appel de service.
Il comprend principalement le frais de requis de base , tels en tant que logiciel (SaaS), le matériel (IaaS), et la plate-forme et les frais de gestion des services . Il peut être décrit comme C = + (4)
(4) Réputation (R)
Réputation fait référence à la mesure fiable du service web, qui est principalement basé sur l’expérience d’utilisateurs après avoir utilisé le service Web. Différents utilisateurs peuvent∑ avoir des évaluations différentes sur le même service Web.
R = /n (5) Où Ri représe nte l’évaluation de services web de l’i ème utilisateur final.
R est un nombre dans l’intervalle [0, 1] et n est le nombre d’utilisateurs.
Selon la fonction objective citée au chapitre I nous avons identifié ces différents paramètres QoS dans notre méthode car ces paramètres ont un grand impact sur l’assistance aux demandeurs pour des sélections raisonnables. En outre, ces paramètres sont les qualités fondamentales pour remplir les objectifs du service Web. Ceux-ci peuvent être divisés en deux groupes
Le premier groupe des valeurs d’attribut QoS négatifs ont besoin d’être minimisées, c’est-à-dire plus la valeur du temps de réponse ou le coût est inférieur meilleur est la qualité.
Le deuxième groupe des attributs QoS positifs qui ont besoin être maximisé tel que disponibilité, fiabilité et réputation.
Pour résoudre un problème d’objectif de maximisation, il faut multiplier les valeurs négatives par (-1) pour faire face à l’hétérogénéité des critères de QoS.

Définition 2 Structure Service (s) Web

Service Web est un quatre-tuple. Soit s = {ID, Source, Fonction ; QoS} (6), où ID est l’identification unique d’un service Web, Source est l’information décrivant du nom du service et de l’éditeur, etc., une fonction est une description fonctionnelle du service Web et QoS est la description de la qualité du service Web.

Les étapes de l’algorithme de prétraitement QoS

Entrée Les informations d’index d’origine du jeu de services
Sortie Les informations d’index normalisé de jeu de services
Étape 1 Obtenir les informations d’index de chaque ensemble de services.
Étape 2 Obtenir la valeur maximale et minimale, la valeur de chaque indice dans l’ensemble des services
Étape 3 Pour chaque enregistrement de service, A et R indices sont calculés à l’aide Eqs. (11) selon l’équation de la prestation, et C et T indices sont calculés en utilisant les équations. (11) selon l’équation du coût.
Étape 4 Répétez les étapes 2 -4, jusqu’à ce que chaque ensemble de services soit totalement éliminés.
Étape 5 sortie les informations d’index de chaque ensemble de services après la normalisation.
On peut formaliser la fonction Objectif Fct (QoS) comme suit
Fct (QoS) (S Service, Q Qualité)
{SC1=SC2=SC3=SC4=SC5=0 ; Q max la qualité maximal de chaque type de qualité de service, Q min la qualité minimal de chaque type de qualité de service.
Pour i=1 jusqu’à n faire
Si = (Q1Si, Q2Si, Q3Si, Q4Si, Q5Si) // on applique les Cinque qualité de service sur chaque service.
Q1= Q1-Q min / Q max – Q min ; // normaliser le temps d’exécution.
Q2= Q2-Q min / Q max – Q min ; // normaliser le coût.
Q3= Q max – Q3/ Q max – Q min ; // normaliser la disponibilité.
Q4= Q max – Q4/ Q max – Q min ; // normaliser la fiabilité.
Q5= Q max – Q5/ Q max – Q min ; // normaliser la réputation.
SC1= SC1 +Q1Si ; //minimiser le temps d’exécution.
SC2= SC2 +Q2Si ; // minimiser le coût.
SC3= SC3 *Q3Si ; // maximiser la disponibilité.
SC4= SC4 *Q4Si ; // maximiser la fiabilité.
SC5= SC5 *Q5Si ; // maximiser la réputation.
Fin Pour ;
Si SC1 < 0 alors SC1=SC1 *(-1) ; //multiplier des valeurs négatifs par (-1)
Si SC2 < 0 alors SC2= SC2 *(-1) ; //multiplier des valeurs négatifs par (-1)
SC= SC1+SC2+SC3+SC4+SC5 ;
j=5 ;
Répéter
Si SC j<SC j-1 alors SC = SC j-1 ;
Sinon SC= SC j ; // on prend la valeur maximal Jusqu’à j=2 ;
// On sélectionne le service qui a la plus grande valeur de qualité SC maximal }

Modélisation de l’Algorithme

Exemple de changement en position d’un fruit Fly et le Fruit Fly individuels

Dans la nature, les animaux recherchent de la nourriture de manière aléatoire Généralement, le chemin d’alimentation d’un animal est effectivement une marche aléatoire parce que le prochain déplacement est basé à la fois sur l’emplacement / l’état actuel et sur le phénomène étudier et représenter par Équation de mouvement (F)

Définition de la distance

Dans chaque itération de FOA pour chaque fruit Fly, utilisez la réciproque du décalage qui correspond à l’emplacement du fruit Fly voler dans son ensemble de services. Après cela, la valeur est calculée en utilisant la relation entre distance et valeur Small.

La fonction Fitness

La fonction Fitness est utilisée pour calculer l’aptitude de chaque SC. La sélection de chaque SC dépend de cette valeur avec les résultats de la qualité de service obtenue par la fonction objectif en se basant sur les équations (11),

Principe de Fruit Fly

Un service composé généré est constitué d’un ensemble de service, [6] et chaqu’un appartient à un essaim et notre traitement pour trouver le fruit Fly optimal est réalisé sur chaque essaim.Initialisation au hasard de l’emplacement d’essaim de fruit Fly (Xaxis, Yaxis) où Xaxis Indice de la classe X, Yaxis Indice de service Y dans sa classe X.On prend en considération la fonction objective de qualité de service pour choisir le meilleur service Fct (QoS).La position de nourriture est calculée par la distance, la fitness et l’essaim va utiliser la vision pour voler a une nouvelle position.La meilleure position est de fitness maximal.

Les étapes de l’algorithme WS FOA

Les principales étapes et leur implémentation sont décrites ci-dessous .Entrée le nombre de classe, l’ensemble normalisé de services par classe, le nombre de compositions, le nombre d’itérations.
Sortie l’emplacement du fruit Fly individuel optimal
Étape 1 Initialisation de l’emplacement ( , _ ; ) de fruit Fly dans chaque ensemble de services.
Etape 2 Calculer l’emplacement du fruit Fly essaim selon l’équation. (12).
Étape 3 Calculez la distance et la valeur de Smell Fruit Fly individuels dans chaque ensemble de services selon Eq. (13).
Éta pe 4 calculer Fitness dans chaque enregistrement de SC.
Étape 5 Calculer chaque enregistrement de SC selon l’Éq . (14). enregistrez le SC optimale dans le processus itératif, et traiter chaque service dans l’enregistrement combiné fruit Fly voler Pi ; jbest dans son essaim correspondant.
Comparer la valeur optimale dans cette itération avec la valeur optimale globale et réserve le meilleur emplacement.
Étape 6 Répétez les étapes 2 -5 jusqu’à ce que l’itération soit terminée ou la demande de précision est satisfaite.
Etape 7 sortie la composition optimale.
Dans chaque itération, on a pris des déplacements de l’essaim, et Chaque déplacement pour sélectionner une composition de service parmi plusieurs, le but est de choisir la meilleure composition, l’algorithme génère à chaque fois une composition et on doit calculer la meilleure solution.

Table des matières

Introduction général
1 Contexte
2 Problématique
3 Contribution
4 Plan de travail
Chapitre I Services web et la Sélection basée sur la QoS
1 Introduction
2 Définitions
2.1 Définition et description de Service Web
2.2 Principales technologies de développement de Services Web
2.2.1 XML – eXtensible Markup Language
2.2.2 SOAP Simple Object access Protocol
2.2.3 WSDL Web Services Description Language
2.2.4 UDDI Universal Description Discovery and Integration
2.3 Les thèmes de recherche actuels
2.3.1 La sélection des services Web
2.3.2 Composition Automatique des Services Web Sémantiques sans Etats
2.3.3 Critères de Qos (Quality of service)
3 La fonction objective (score ou fitness)
4 Optimisation combinatoire
4.1 Définition
4.2 Approches d’optimisation combinatoire (approches de sélection)
4.2.1 L’optimisation multi-objective
4.2.2 L’optimisation mono-objective
5 État de l’art des travaux sur le problème QoSSWC
5.1 Technique de base de données
5.2 Approches Exactes
5.3 Approche heuristique (Approximative)
5.4 Approche Méta-heuristique
5.5 Les méta-heuristiques à base de solution unique
5.6 Les méta-heuristiques à base de population de solution
6 Conclusion
Chapitre II Sélection de Services web basée sur l’Algorithme de la FOA
1 Introduction
2 WS-FOA Web Service composition based on Fruit Fly Optimization Algorithm (la composition de services web basée sur l’algorithme d’optimisation Fruit Fly)
2.1 Définition
2.2 Comportement de Fruit Fly
2.3 La modélisation de la composition de service
2.3.1 Définition 1 Structure QoS
2.3.2 Définition 2 Structure Service (s) Web
2.3.3 Définition 3 Structure Composition de Service (SC)
2.3.4 Définition 4 QoS prétraitement
2.3.5 Les étapes de l’algorithme de prétraitement QoS
2.4 Modélisation de l’Algorithme
2.4.1 Exemple de changement en position d’un fruit Fly et le Fruit Fly individuels
2.4.2 Définition de la distance
2.4.3 La fonction Fitness
2.4.4 Principe de fruit Fly
2.4.5 Les étapes de l’algorithme WS FOA
3 Conclusion
Chapitre III Implémentation & Expérimentation
1 Introduction
2 Présentation de l’environnement de développement
3 Outils de système et paramètres
4 Interface (paramètre et résultat)
4.1 Générer et charger la base
4.2 Lancement d’Algorithme et Affichage
5 Expérimentations
6 BILAN
7 Conclusion
Conclusion général
Références Bibliographiques
Liste de Figures
Liste des Acronyms

Télécharger le rapport complet