摘  要： 針對現有服務選擇技術的不足，提出一種應用服務社會網絡SSN(Service Social Network)機制的方法。算法主要通過社會網絡原理，將Web候選服務根據聯系緊密程度和服務本身的QoS屬性選擇滿足用戶需求的組合Web服務，理論分析和實驗表明算法的有效性和可行性。
關鍵詞： 服務選擇；社會網絡；服務質量

    隨著面向服務計算技術的深入發展，通過組合Web服務建立分布式應用系統逐漸成為基于Web應用開發的主流技術。在眾多可獲得的Web服務資源中，如何選擇合適的服務實例進行組合，使之既能滿足應用的功能需求，又能滿足用戶提出的QoS需求，是一個備受關注的問題，并已得到了廣泛的研究。
    QoS約束的Web服務選擇與組合是一類組合優化問題。到目前為止，求解該問題比較典型的方法有線性規劃算法[1-2]和遺傳算法[3-6]。線性規劃算法在候選服務集規模較小時是非常有效的，但是隨著規模的加大，計算耗時增長速度明顯加快，可擴展性變差。遺傳算法被用于QoS的全局組合優化已有許多成功的案例，但是，由于在諸多的研究中一般采用隨機交叉和變異操作，沒有考慮候選服務實例之間實際存在的連接偏好，組合服務的可靠性難以得到有效的保證。連接頻率反映了服務之間的連接偏好，頻率越高，下一次連接的可能性就越大，在一定程度上可增強組合服務的可靠性。如何利用候選服務實例之間的連接偏好優化服務的隨機選擇，提高服務組合的效率與成功率是本文主要關注的問題。
    根據軟件工程的一般常識可知，一個復雜的組合服務包含平行、分支、選擇、循環等結構，可以利用數據流聚合方法形成顆粒較大的結構塊。而對于一個大規模的候選服務集合，應用社會網絡社區形成機制[7]，也可以形成與服務流程聚合塊功能相一致的服務子集，即所謂的服務社區。這樣，服務選擇就演化成社區選擇問題，運用遺傳算法能較好地保證結構性選擇，且依據連接權重形成的服務社區能充分體現服務之間的連接偏好。根據這一思想，本文提出了一個基于社區形成機制和遺傳算法的服務選擇方法，與傳統遺傳算法不同的是，設計了一個依據連接偏好的效用函數估算隨機選擇概率。初步的實驗結果證明，該方法行之有效，且具有較高的計算效率。
1 問題描述
    對于用戶提出的服務需求首先建立組合服務流程，圖1所示為一個有8個原子服務S1，S2，…，S8的服務流程。
    如圖1所示，一般一個組合Web服務流程由多個Web原子服務組成，每個Web原子服務又對應有多個候選服務。這些候選服務可能由不同的服務提供者提供，具有相同的功能和不同的QoS度量值。

     隨著服務計算的迅速發展，可利用的Web服務資源越來越多，候選服務結點的規模也越來越大。本文總結了近期相關的工作，提出了一種基于社會網絡社區形成機制的Web服務選擇方法。將Web服務選擇問題轉換到社會網絡中，利用社會網絡特有的性質結點聯系強度等來解決服務選擇問題。提出了一種服務社會網絡概率選擇方法，此方法與遺傳算法的不同之處在于變異結點的選擇不是隨機的，而是根據結點之間的連接頻率，它反映了服務之間的連接偏好，頻率越高，下一次連接的可能性就越大。
    雖然最終算法給出了很好的性能，但還有待進一步改進，如本文算法是基于單目標優化的，希望今后在多目標優化方面有所進展。同時本文算法是基于歷史信息(服務實例)的，因此當歷史信息較少或剛開始沒有歷史信息時性能方面可能會很差，希望今后在這方面也有所研究。
參考文獻
[1] Zeng Liangzhao，BENATALLAH B，DUMAS M，et al.Quality  driven Web services composition[C].Proceedings of the 12th International Conference on World Wide，2003.
[2] ARDAGNA D，PERNICI B.Adaptive service composition in flexible processes[J].IEEE Trans.Software Eng，2007，33(6)：369-384.
[3] HWANG S Y，WANG H，TANG J，et al.A probabilistic  approach to modeling and estimating the QoS of Web-Services-based Workflows[J].Information Sciences，2007，23(177)：5484-5503.
[4] KLEIN A，ISHIKAWA F，BAUER B.A probabilistic approach  to service selection with conditional contracts and usage  patterns[C].ICSOC-ServiceWave2009，2009：253-268.
[5] Tang Maolin，Ai Lifeng.A hybrid genetic algorithm for the optimal constrained Web service selection problem in Web Service composition[C].WCCI 2010 IEEE World Congress  on Computational Intelligence，2010.
[6] Liu Shulei，Liu Yunxiang，Jing Ning，et al.A dynamic Web  service selection strategy with QoS global optimization based on multi-objective genetic algorithm[C].GCC2005，2005：84-89.
[7] KUMPULA J M，ONNELA J P，SARAMAKI J，et al.Model  of community emergence in weighted social networks[J].  Computer Physics Communication，2009(180)：517.
[8] 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.
[9] NEWMAN M E J.Analysis of weighted networks[J].Physical  review，2004，70(05)：1-9.
[10] WASSERMAN S，FAUST K.Introduction to social network analysis[M].Cambridge Cambridge Univ.Press，1994.