【技术实现步骤摘要】
基于图规划的服务封装方法、系统、介质及设备
本专利技术涉及协同服务
,涉及一种服务封装方法,特别是涉及一种基于图规划的服务封装方法、系统、介质及设备。
技术介绍
基于服务质量的服务组合问题是一个至今无多项式时间算法解决的NP问题,大量的学者对服务组合问题做出了大量的研究,现在主要的服务组合方法分为多目标优化算法、强化学习算法、生物算法和图算法。其中,多目标优化算法将服务组合问题转化为混合整数线性规划问题,通过线性规划算法进行服务组合,但是多目标优化算法一般无法根据不同的情形动态调整服务组合方案;强化学习算法主要通过马尔可夫模型对服务模型进行训练,通过学习得到服务组合,但是强化学习算法需要很长的训练时间,时间效率偏低;生物算法主要分为蚁群算法和遗传算法,通过智能优化算法解决服务组合问题,但是通常的智能优化算法无法很好处理服务结构中的并行结构;在服务组合算法中,图规划服务组合算法是一种常见的服务组合封装的算法,图规划服务组合算法通过遍历搜索建立服务规划图,根据归一化后的服务质量,借鉴了Dijkstra的单源最短路径的思想, ...
【技术保护点】
1.一种基于图规划的服务封装方法,其特征在于,所述基于图规划的服务封装方法包括:/n建立与用户操作相关的服务的数学模型;所述数学模型用于将所述服务包含的信息进行数值化,以便对数值化的服务信息进行运算处理,所述数学模型包含服务质量信息;/n对所述数学模型中存在的多个服务质量进行处理,以确定所述服务在不同业务场景偏好下的服务质量;/n利用所述服务在不同业务场景偏好下的服务质量进行服务筛选,建立在不同偏好下的任务库;/n对不同的所述任务库进行任务匹配,确定任务关联集合;/n将所述任务关联集合、用户请求和偏好作为输入,进行服务组合,以构建服务封装的工作流。/n
【技术特征摘要】
1.一种基于图规划的服务封装方法,其特征在于,所述基于图规划的服务封装方法包括:
建立与用户操作相关的服务的数学模型;所述数学模型用于将所述服务包含的信息进行数值化,以便对数值化的服务信息进行运算处理,所述数学模型包含服务质量信息;
对所述数学模型中存在的多个服务质量进行处理,以确定所述服务在不同业务场景偏好下的服务质量;
利用所述服务在不同业务场景偏好下的服务质量进行服务筛选,建立在不同偏好下的任务库;
对不同的所述任务库进行任务匹配,确定任务关联集合;
将所述任务关联集合、用户请求和偏好作为输入,进行服务组合,以构建服务封装的工作流。
2.根据权利要求1所述的基于图规划的服务封装方法,其特征在于,建立与用户操作相关的服务的数学模型的步骤包括:
对所述服务的描述语言和用户请求的描述进行解析,并根据所述服务、用户请求、工作流的功能,对所述服务、用户请求、工作流、任务和任务关联建立数学模型。
3.根据权利要求1所述的基于图规划的服务封装方法,其特征在于,对所述数学模型中存在的多个服务质量进行处理的步骤包括:
根据所述数学模型中服务的服务质量属性和服务质量范围,对服务质量中的每一个服务指标进行归一化处理,并将归一化后的指标作为一个行向量进行存储;
在确定每一个服务质量的行向量之后,根据业务场景与用户需求,建立多种偏好;
设置与偏好相关的列向量,将所述行向量与所述列向量相乘,得到服务在每一个偏好下的服务质量。
4.根据权利要求1所述的基于图规划的服务封装方法,其特征在于,利用所述服务在不同业务场景偏好下的服务质量进行服务筛选,建立在不同偏好下的任务库的步骤包括:
根据用户多种偏好的划分,建立不同偏好下的任务库;
遍历已经建立的所述任务库,对于所述任务库中的每个服务,如果有其他的服务能够提供相同的业务功能且具有更高的服务质量,则替换该服务进入任务集合,以优化建立的任务库,保证所述任务库的服务都能够提供不同的功能,且全部具有最高的服务质量。
5.根据权利要求1所述的基于图规划的服务封装方法,其特征在于,对不同的所述任务库进行任务匹配,确定任务关联集合的步骤包括:
当所述任务的输出集合包含另一任务的输入集合时,判定所述任务与另一任务存在逻辑关系,将所述任务作为另一任务的前置任务,将另一任务作为所述任务的后置任务;
判断所述任务与另一任务的匹配程度;若所述任务的输出集合等于另一任务的输入集合,判定所述任务与另一任务...
【专利技术属性】
技术研发人员:蒋昌俊,闫春钢,丁志军,王俊丽,张亚英,陆懿帆,
申请(专利权)人:同济大学,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。