摘要为了从互联网上大量相同或者类似的Web服务中选择服务请求者偏好的服务，本文将信任问题引入Web服务的选择与组合问题中，提出了一种基于信任和QoS的Web服务选择与组合的方法。首先利用历史QoS数据计算Web服务请求者与提供者之间的信任度，再将信任度与原QoS属性集合并，利用遗传算法进行Web服务的选择与组合。仿真实验结果表明，加入信任因素的服务选择与组合方法的种群平均适应度和种群最大适应度均更高。
【关键词】Web服务信任QoS遗传算法
1引言
信任体现了服务请求者对服务的主观态度，将信任和QoS结合进行服务选择，这样避免了在进行服务选择时单一考虑客观因素，忽略服务请求者主观偏好的不足。同时在QoS属性集不提供直接评价信息的情况下，仅依靠其他QoS属性建立起的信任评价机制是可行的。本文在已有研究基础上提出了基于信任和QoS的利用遗传算法进行Web服务选择与组合的框架。
2信任
直接信任，即服务请求实体和服务提供实体之间有过直接交互的历史经验，两者之间存在直接信任关系。交往历史经验是实体完成交往活动的情况记录，若实体交往成功则成功经验记数增加，若实体交往失败则失败经验记数增加。本文信任模型利用实体间交往活动的结果计算实体的直接信任值。
间接信任，也称为推荐信任，就是指在服务请求实体和服务提供实体缺乏交互经验的条件下，根据第三方实体的推荐和相关关系建立得信任关联。在这种情况下，服务请求实体和服务提供实体的信任关系和信任值的计算就跟第三方实体有着非常紧密的关系。
综合信任，综合信任值，是直接信任与间接信任的综合体现。即存在以下几种情况服务请求实体对服务提供实体之间只存在直接信任关系，服务请求实体对服务提供实体之间只存在间接信任关系，服务请求实体对服务提供实体之间同时存在直接信任和间接信任关系。
3基于信任的Web服务选择与组合
在Web服务组合模型中，每个节点对应一组备选Web服务集，备选服务集中的各个WebService都实现相同或者类似的功能，但提供服务的质量不尽相同，其具体表现就是备选服务集中个Web服务的非功能性属性不尽相同。
（1）染色体的编码方式。染色体的编码方式指通过一串基因序列表示一组可能解。本文通过基因序列表示服务组合的结果。采用整数定长编码，其中第一个基因ws0代表服务组合的起点，最后一个基因wsn+1代表服务组合的终点，其它每一个基因对应备选Web服务集合中各个具体服务的编号。
（2）种群初始化。随机产生两个个体xi（1≤i≤N），分别对这两个个体根据适应度函数f（x）进行评价，关于适应度函数我们会在下一节进一步描述，得到两个个体的适应度大小为f（xi）（1≤i≤N），从中选择适应度最大（max（f（xi）））的个体进入初始种群，直到种群的规模达到M为止。
（3）适应度函数。在遗传算法中，适应度是描述个体性能的主要指标。适应度函数一般由目标函数转换而来。Web服务选择的目标就是要找到令用户满意的Web服务组合，即要选择到QoS得分最高的Web服务组合。根据Web服务选择的实际情况以及Qos的参数的意义，本文采用每个Web服务的QoS得分作为个体中每个基因的目标函数，如下式所示：
g（xi）=S（wsij）=r（wsij）·W=（wk·rik）
假设一个Web服务组合有n个Web服务组成，则组合服务的目标函数为：
g（x）=g（xi）
本文采用模拟退火算法中的思想对适应度函数进行处理，
f（x）=exp（kg（x））k=
其中，g（x）为个体的目标函数值;f（x）为单个个体的适应度;T0为模拟退火问题的初始温度，通常选取一个较大的整数值;G是设定的最大进化次数;c为当前已经记录的进化次数。
（4）种群进化。种群的进化主要分为选择、交叉和变异。
群体中的个体的优胜劣汰通过选择操作来实现。本文采用轮盘赌选择法，以保证当前适应度最好的个体能够进化到下一代而不被遗传操作的随机性破坏，保证算法的收敛性。
结合Web服务选择的实际情况，对于适应度函数值为f（x）的个体，则被选择的概率为：
Pj=
其中N为当代种群中的个体数量。然后计算种群中每个个体的累加概率：
Pi=fj
然后产生[0，1]之间的均匀分布的伪随机数r，若r≤P1，则选择个体1;否则，选取满足条件的个体k，使得Pk-1≤r≤Pk。
交叉是指对两个相互配对的染色体按某种方式相互交换其部分基因，从而形成两个新的个体。结合本文的实际情况，本文采用单点交叉，首先按照某种方法，随机地从交配池中取出要交叉的一对个体，根据交叉概率pc（0≤pc≤1）实施交叉操作，配对个体在交叉位置处相互交换各自的部分内容，从而形成新的一对个体。
变异是指将染色体编码串中的某些基因座上的基因值用该基因座的其他等位基因来替换，从而形成一个新的个体，即改变基因序列中某一个或某几个基因位的值。在多目标优化算法中，一个常见的问题是陷入局部最优解。本文采用基本位变异操作，从个体中随机指定一位基因以变异概率pm做变异操作。
4实验与结果分析
本实验选择种群规模为300，交叉概率pc=0.6，变异概率pm=0.005进行试验，验证有信任度量因素时和无信任度量因素时，对种群平均适应度和最大适应度的影响。以验证本文提出信任模型的有效性，如图4.1与图4.2所示。
通过实验结果我们看到，在进化代数较少的情况下，由于无信任的属性集含参数较少，进化的更为迅速一些，其表现出来就是在进化次数较少的情况下（比如进化代数低于60次时）不带信任度的种群平均适应度和不带信任度的种群最大适应度都分别略好于带信任度的适应度。而一旦达到一定的进化代数，带信任度的种群平均适应度和带信任度的种群最大适应度则表现得明显优于不带信任度得出的适应度。
由此可以说明，利用本文提出的信任模型，结合模拟退火和遗传算法进行WebService的选择和组合。在充分利用已有QoS历史数据的基础上，计算Web服务的信任度然后再运用于服务选择与组合的方法是可行的，达到了预期的效果。
参考文献
[1]DasA，IslamMM.SecuredTrust：ADynamicTrustComputationModelforSecuredCommunicationinMultiagentSystems[J].IEEETRANSACTIONSONDEPENDABLEANDSECURECOMPUTING，2012，9（2）：261-274.
[2]王守信，张莉，李鹤松.一种基于云模型的主观信任评价方法[J].软件学报，2010（06）.
[3]AYDAYE，FEKRIF.IterativeTrustandReputationManagementUsingBeliefPropagation[J].IEEETRANSACTIONSONDEPENDABLEANDSECURECOMPUTING，2012，9（3）：375-86.
[4]DASA，ISLAMMM.SecuredTrust：ADynamicTrustComputationModelforSecuredCommunicationinMultiagentSystems[J].IEEETRANSACTIONSONDEPENDABLEANDSECURECOMPUTING，2012，9（2）：261-74.
[5]Chung-WeiH，KaliaAK，SinghMP.BehindtheCurtain：ServiceSelectionviaTrustinCompositeServices[C].LosAlamitos，CA，USA：IEEEComputerSociety，2012.
非常满意 
