论文部分内容阅读
随着电子商务与互联网的迅速崛起，基于Web的服务应用模式得到了迅速的发展，Web应用从局部化发展到全球化，从B2C(business—to—customer)发展到B2B(business—to—business)，从集中式发展到分布式，Web服务现已成为电子商务的有效解决方案。Web服务是一个崭新的分布式计算模型，是Web上数据和信息集成的有效机制。
然而，随着分布式网络的普及，Web服务供应商现在可以很方便的与第三方共享信息，并可利用外部资源进行分布式计算来完成一些繁琐的任务。这使得以前每个服务提供商只提供简单而单一的Web服务的情况发生了巨大的变化。此外，各服务供应商之间错综复杂的依赖关系也产生了不少新的问题，例如：如何有效的选择恰当的Web服务以满足不同客户的需求。并且随着Web服务数量的增多，越来越多的服务供应商提供着大量内容基本相同的服务，这也进一步增加了在分布式网络环境中选择适合的服务供应商的难度。为了有效解决这个问题我在本文中提出了一组基于移动代理模型的Web服务选择策略。在这里面，我运用了马尔可夫决策过程的强化学习方法和模式分类的最近邻规则来让移动代理变得更加“智能"。这一系列的创新使移动代理能在复杂的分布式网络环境中准确并且高效的为客户找到最适合自己的Web服务供应商。
然而，随着分布式网络的普及，Web服务供应商现在可以很方便的与第三方共享信息，并可利用外部资源进行分布式计算来完成一些繁琐的任务。这使得以前每个服务提供商只提供简单而单一的Web服务的情况发生了巨大的变化。此外，各服务供应商之间错综复杂的依赖关系也产生了不少新的问题，例如：如何有效的选择恰当的Web服务以满足不同客户的需求。并且随着Web服务数量的增多，越来越多的服务供应商提供着大量内容基本相同的服务，这也进一步增加了在分布式网络环境中选择适合的服务供应商的难度。为了有效解决这个问题我在本文中提出了一组基于移动代理模型的Web服务选择策略。在这里面，我运用了马尔可夫决策过程的强化学习方法和模式分类的最近邻规则来让移动代理变得更加“智能"。这一系列的创新使移动代理能在复杂的分布式网络环境中准确并且高效的为客户找到最适合自己的Web服务供应商。