|
|
题目：
雅宝题库答案：
****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案
雅宝题库解析：
互联网使软件开发和运行环境从静态封闭逐步走向动态开放，为实现跨组织的异构应用系统之间简捷、高效和可信的软件开发带来了巨大的机遇。随着互联网应用与Web服务技术的发展，服务计算（Service Computing）作为一种新的计算模式逐渐成为有效解决分布、动态、异构网络环境下，数据、应用和系统的集成题目的主要解决模式。对应地，区别于传统硬编码式的软件开发方法，以对互联网上已有服务的复用为基础的按需服务组合技术成为当前网络化软件开发的一种主要方法。目前基于工作流的服务组合方法相对成熟，已经存在多个基于业务流程的服务组合建模语言和规范，且在工业界得到实际应用。然而，上述标准/规范及其应用主要针对分布式计算中的异构性题目。为适应动态变化的需求和服务自身的动态性和自治性，如何建立自动的服务组合方法则成为学术界的关注热点。一系列SOA标准/规范的提出消除了不同组织之间的异构性，为服务组合自动化提供了技术支持；传统的数据集成、自动机理论、人工智能规划和程序自动综合等领域的研究成果则为服务组合自动化提供了方法和理论的借鉴。目前，关于自动服务组合方法已取得了许多重要研究结果，但依旧存在以下题目。首先，目前仍未存在一个统一的自动服务组合模型，由于被抽象的服务组合场景不同，自动服务组合模型中使用了不同的服务模型。目前，基于服务外部可观察行为（即业务协议）的服务建模逐渐引起研究者的关注，然而由于对业务协议的不同粒度的建模会直接影响到组合题目的复杂度，必须权衡组合效率与模型的表达力，因此，如何对业务协议进行建模仍需进一步探讨。另外，业务协议除了能刻画服务的功能外，其消息中包含的数据还可表示一类与用户切身利益最相关的非功能（服务质量）属性（如价格等）。这类属性值出现在服务的输出消息中，使服务之间的数据依赖关系对面向这类属性的服务组合产生影响，而现有的面向非功能的服务组合工作考虑的是系统相关的属性（如执行时间、可信度、可靠性等），未对上述题目进行研究。其次，为了保证组合服务满足一定时态性质，大量的研究工作延用传统软件开发中的设计、验证、分析和纠错的过程，采用离线的分析方式，即对设计好的业务流程或生成组合服务进行验证。然而，由于自动服务组合是从已有服务中进行服务选择和自动生成组合服务的过程，在组合过程中保证生成的组合服务满足时态性质，而无需额外验证可以避免反复进行组合，从而大大提高服务组合的效率。第三，自动服务组合研究中，最重要的内容之一是设计灵活、高效的组合算法。已有的研究中，特别是基于业务协议的自动服务组合研究中，大多数工作停留在对理论模型的研究，未给出实用的算法。而已有组合算法多利用自动机中模拟的概念或使用规划的思想，都需要首先通过计算所有服务的积生成整个题目空间，这大大增加了算法的时间和空间开销，因此有必要设计“on-the-fly”的合成算法，提高组合效率。针对上述题目，本文以开放、动态的网络环境下的服务共享和协同为背景，针对现有自动服务组合研究中以上不足，在自动服务组合模型与理论分析、高效的自动组合算法与面向用户的最优聚合题目等方面展开工作。主要研究结果如下：(1) 关于正确性保证的组合服务综合模型和理论分析。分别基于分支时态逻辑CTL*和CTL，研究了正确性保证的组合服务自动综合题目，建立了组合模型，其中，服务被视为与环境（可为人或其他服务）进行交互的实体；讨论了当环境不控和受控时，以CTL*和CTL逻辑公式为组合需求的组合服务自动综合题目，并证明在这两种情况下，对应CTL*和CTL逻辑公式，题目分别为2EXPTIME-完全题目和EXPTIME-完全题目。(2) 关于基于学习的组合服务自动生成算法。提出了自动服务组合框架AutoSyn，有效解决环境确定时的正确性保证的组合服务自动综合题目，设计了基于L* 算法的合成算法，可生成满足安全性的极大协调者。最后，设计实现了一个原型系统，并基于系统进行了初步实验，实验结果表明AutoSyn方法的有效性。(3) 关于服务组合中的最优聚合题目研究。提出了服务组合中的最优聚合题目，该题目考虑用户关心的非功能属性（如价格、效益等），且这些属性值作为数据出现在服务的输出消息中，从而服务之间的数据依赖关系在最优聚合题目中起到至关重要的作用，使得该题目与现有服务质量感知的服务选择与优化题目是完全不同的两个题目。首先建立了支持聚合的组合服务模板模型，并根据组合服务模板的结构，全面的分析最优聚合题目的计算复杂度，指出该题目在一般情况下是不可判定的，但对于有限非循环图和树结构的组合服务模板，该题目分别是PSPACE-完全题目和NP-完全题目。 |
上一篇：基于SVN的图文档管理系统的设计与实现下一篇：服务组合的动态演化技术与系统研究
|
发表于 2024-2-6 22:00:52
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
QQ登录
