一、用于QoS的两种服务模型的集成（论文文献综述）
廉梦佳[1]（2021）在《面向语义服务的物联网中间件关键技术研究》文中研究表明物联网愿景是越来越多的事物嵌入识别感知、驱动、处理和通信等能力,通过广泛应用渗透到社会的方方面面,为用户提供简单便利的智能应用服务。物联网发展至今,大多是以封闭紧耦合方式进行应用系统开发,同时海量复杂多样的设备接入使物联网具有规模性、异构性等特征。这些导致应用系统之间相互独立,无法很好地资源整合共享,造成物理和网络环境中资源利用率低,阻碍了物联网进一步发展。物联网当前的相关研究范围局限于感知识别等垂直型应用服务,但跨领域、跨系统的水平方向融合应用能提供更加智能化的服务,真正意义上实现物联网的愿景。物联网中间件可以支撑物联网基础设施集成,改变物联网目前竖井式碎片化开发模式,旨在将异构设备和技术组合到应用程序开发中,通过屏蔽底层复杂的实现细节,向上提供统一标准的物联网服务访问接口,实现不同应用之间的数据交互共享。物联网能够连入大量智能设备使其具有一定的优势,但也带来了新的挑战。设备、计算通信能力、协议和数据格式等方面的高度差异使物联网发展过程中面临的主要挑战是数据和功能操作的异构性,引起系统应用之间数据无法相互理解,信息无法正常交互等问题。这使得语义互操作性成为物联网中间件提供无缝通信和服务时重点解决的问题之一。语义模型以机器可理解处理的模式描述数据,能够提升数据信息的价值,有助于异构应用之间交换语义注释的信息。面向服务的思想能够将事物中传感器等设备功能以统一规范的操作模式抽象为服务,使异构感知的语义数据可以通过Internet的服务访问,实现多样化物联网应用整体的互操作性。物联网应用的目标是根据用户需求提供相关数据和个性化服务。随着应用领域的延伸,物联网接入的设备实体逐渐数量规模化和种类多样化,导致物联网数据和服务空间不断扩大,使得数据服务的高效分发交付也成为物联网中间件待解决的关键问题。为了解决物联网规模性和异构性引起的上述问题,本文关于物联网中间件关键技术研究内容的主要创新工作有以下几个方面:1.构建面向语义服务的物联网中间件模型针对物联网设备格式不统一,异构互操作等问题,本文在对物联网环境中语义互操作性分析的基础上,利用语义和服务计算模式的思想,构建了面向语义服务的物联网中间件模型。该中间件模型集成语义和服务技术,支撑传感设备层与应用层之间信息和服务的语义互操作环境。2.基于本体的物联网语义建模针对物联网底层设备之间数据异构出现“理解鸿沟”,以及信息无法交互共享等问题,本文通过分析物理世界和信息世界之间的映射关系,采用本体Ontology及其描述语言OWL-（S）,建立了异构物联网环境中基于本体Ontology的实体概念语义化共享模型,主要包括设备-资源和功能-服务的本体模型。该模型以一种机器可理解的方式描述感知数据,增添了物联网数据关联的语义性,并且将设备功能抽象为服务进行统一规范描述,为跨领域跨平台的系统应用之间信息交互共享奠定了基础。3.基于发布/订阅模型的按需分发消息空间针对物联网环境中数据快速获取形成的巨大消息空间,引起用户无法快速直接获取有价值的信息等问题,本文基于发布/订阅的交互模型构建了物联网中间件中数据按需分发的消息空间。为了重点解决大规模用户订阅导致事件-订阅匹配算法性能降低的问题,本文利用用户兴趣相关性设计了一种新颖的基于频繁属性集的订阅索引结构和两级订阅过滤策略,缩小后续匹配的订阅集合规模。同时提出了相应的基于兴趣优先级的事件匹配算法,以原子谓词和订阅谓词约束值域为基本操作匹配事件可满足的订阅集。该算法的设计过滤了几乎所有与事件无关的订阅,删除了订阅集中大量重复或相似谓词,减少了匹配过程中冗余比较的次数,实验结果可以看出改善了事件-订阅匹配算法的性能。4.基于相似度的物联网服务发现方法针对物联网大量设备接入,应用领域涉及范围广使提供的服务数量持续增长,导致用户获取满足需求的服务面临困难,本文通过物联网中间件集成了物联网服务统一的提供管理空间。为了改善物联网背景下服务发现提供的性能,提出了基于语义相似度的服务概率发现方法。该方法首先利用面向领域本体的服务概率主题划分服务发现空间,通过请求服务主题与聚类主题簇的相似性,减少服务功能逻辑相似计算的次数;然后利用本体概念的信息量计算服务功能逻辑之间的语义相似性,匹配筛选功能性满足用户需求的服务;最后基于服务质量Qo S和用户偏好权重发现非功能性满足用户的服务。该方法主要是通过概率主题的相似性减少服务发现的空间数量规模,利用功能逻辑相似和服务质量Score发现多方面满足用户需求的物联网服务,通过准确率,F1-measure,平均查全率和查准率的实验结果分析,性能相对优于其他一些服务发现方法。
岳婷[2]（2021）在《互联网视频服务用户体验质量（QoE）研究》文中研究表明互联网视频已经成为目前最主流的网络服务之一,服务提供商越来越重视改善用户体验质量（Quality of Experience,QoE）,因为不好的用户体验会加重用户的流失率。以QoE为导向的服务管理可以有效地提升用户体验的同时节约运营成本。在真实服务场景中研究QoE是具有挑战性的:第一,QoE影响因素非常多,且分布在不同的维度上,根据影响因素学习的特征具有异构性。第二,多维度特征之间存在着多阶交互关系,使得特征与QoE之间存在复杂的非线性关联。第三,研究会话级用户行为与QoE的关联,对QoE管理有用,但是用户行为的时序性、交互性以及个性化使问题变得更加复杂。本文从大规模互联网视频服务提供商的客户端播放器上采集海量用户数据,以数据驱动的方式对互联网视频服务进行综合的QoE研究。主要的研究工作包括QoE测量和学习,QoE评估建模以及QoE管理和优化,本文的研究贡献如下:1.本文将QoE测量和学习作为研究基础,在客户端构建了数据采集和预处理系统,目标是提取系统、情境和用户三个维度的不同类型的特征,用多维度特征向量描述视频会话。在系统维度上,测量用户可感知的、应用层QoS指标,综合考虑媒体相关和传输相关的影响因素。在情境维度上,本文考虑到了服务方面和终端方面的情境因素,为了特征扩展,提出将情境因素作为特征空间的子向量引入QoE评估建模中。在用户维度上,提取了会话级用户行为的成对模式特征,包含用户行为的时序信息和用户与系统的交互信息。针对用户特征提取,提出了一个新颖的频繁时间序列模式挖掘算法,即字典序层次化交叉算法,挖掘支持度高的成对模式。2.本文以QoE评估建模作为重点研究内容,针对在视频会话集的高维稀疏特征空间上有效学习特征之间的多阶交互关系的问题,提出了一个基于特征工程和非线性集成模型的QoE评估建模方法,建立多维度特征和QoE之间的关联映射。在特征工程阶段,应用模糊理论对取值分布不均匀的连续型特征进行归一化处理,并验证了典型模式特征的支持度和分类能力呈正相关关系。然后,提出了一个基于贝叶斯因子分解机的级联式集成算法。集成模型可以在训练集缺少特征交互信息的情况下利用隐因子学习特征的交互关系,同时可以消除无意义的特征交互关系对模型的性能和效率的有害影响。在实验环节验证了基分类器的选择、用户行为模式特征的引入以及模型集成对QoE评估建模方法的有效性。3.为了避免针对特定数据集的特征工程手段对模型泛化的不利影响,本文进一步将QoE评估建模问题归纳为对复杂的异构特征进行表示学习的问题,提出了一个基于深度学习的QoE评估模型。本文提出的混合深度网络是由一个深度神经网络和一个增强的递归神经网络构成。通过优化网络结构和计算,混合网络可以同时对三个维度中的时序型和非时序型特征进行表示学习。本文将上下文信息和时间间隔参数融入递归神经网络的不同层中,并引入注意力机制进一步提升混合网络的性能。实验证明,与相关工作中的非线性模型,以及互联网其他应用场景中的典型深度网络相比,本文提出的混合网络取得了更优的性能。4.基于视频会话集的用户行为学习,并利用QoE评估模型,本文提出了一个细粒度的QoE管理和优化方法,目标是通过监测和干预视频会话中的用户行为,防止QoE持续下降,提高用户参与度。首先,提出了一个有监督的、基于注意力机制的图排序算法,经过对视频会话的时间序列中噪声的过滤,获得与QoE存在正向和负向关联的典型行为模式。然后在视频会话集上学习并获取关于典型行为模式的专家知识。最后,提出了一个部署在客户端的用户行为监测和干预的控制机制,内部逻辑来自专家知识。通过与QoE评估模块进行交互,控制机制持续监测用户行为并更新决策,识别潜在的负向用户行为模式,结合网络条件和播放器状态,控制器主动做出干预决策。
王思宇[3]（2021）在《基于Petri网的服务组合技术在云制造平台的应用研究》文中认为我国作为制造强国拥有着世界上最为丰富的制造资源以及大量的制造企业,而现阶段大部分制造企业仍在使用传统的制造方式导致大量闲置的制造业资源得不到有效的利用。现在亟需一种更具效率的制造模式以此提升对制造资源的利用率以适应需求的变化。为了解决当前制造业面临的闲置资源利用率得不到有效的提升问题,本文提出一种服务组合过程模型实现服务的自动组合并将此模型应用到云制造平台当中,使不同地区、不同规模的制造企业内的闲置制造资源都可以参与到某项制造任务中。此模型中最关键的问题就是如何进行服务优选问题以及如何提高服务组合执行效率。针对服务优选问题本文提出一种基于功能分组的多层QoS（Quality of Service,QoS）服务模型并对此模型进行仿真实验。实验结果表明该模型计算的综合QoS属性值不仅高于随机的服务选择方式,而且随着服务请求次数的增加其计算结果也逐步趋于稳定状态。此模型首先将待选服务进行基于功能的分组形成多个服务组,对组内服务的QoS属性进行性能层和信用层的两层划分,然后对QoS属性值进行标准化并赋予用户分配的权重,最后进行QoS的综合评价,根据QoS的评价结果对组内服务再次过滤,提高了服务的匹配效率。针对服务组合执行效率问题,本文借助模糊时序Petri网知识提出了基于FTPN与IOPE的服务依赖关系图生成算法,并结合本体知识构建服务实例,利用本文改进的正反向推理算法对服务依赖关系图去除冗余服务,最终得到符合用户需求的轻量化的服务依赖关系子图并将该图内对应的服务组合流程返回给用户以完成其所需要的某项制造任务。
彭德平[4]（2021）在《基于数据驱动的网络QoS推断系统的设计与实现》文中研究表明网络环境的日趋复杂性不仅对网络QoS（Quality of Service,服务质量）保障提出了更高的要求,也为网络QoS关注的关键性能指标（如吞吐和时延）的评估带来了更大的挑战。通常,网络管理人员需要对真实物理网络中特定的网络场景进行大量查询及人工分析以获取网络QoS关注的关键性能指标,但网络系统愈加异质和复杂化,使得这种人工分析的方式变得愈加困难。传统的网络性能评估方式有数学建模、网络仿真和网络模拟,但都无法在准确性、时效性等方面均满足性能要求。与此同时,机器学习、人工智能等研究领域的飞速发展,为网络性能评估提供了新思路。在此背景下,网络管理人员一方面需要一种高效且可信度高的网络性能评估方式完成特定网络场景的性能评估,另一方面希望通过机器学习方式完成网络性能建模。为此,本论文设计与实现了基于数据驱动的网络QoS推断系统。首先,通过调研网络QoS及其关键性能指标并利用离散事件驱动的网络模拟器OMNeT++完成网络仿真数据集的构建;其次,调研近些年来通过机器学习方法完成网络性能建模的热门技术方案,选择将图神经网络引入网络时延评估的领域,在网络仿真数据基础上完成网络时延性能算法模型的建模和训练;最后,通过Flask框架集成网络时延性能算法模型提供的网络时延推断服务,为网络管理人员提供特定网络场景下的时延预测。一方面,本系统提供了一种以机器学习方法为基础的网络时延性能评估方式;另一方面,本系统通过实现从仿真数据集构建,到网络性能算法模型建模,再到模型应用及管理这一完整的网络性能算法模型开发流程为有自定义网络性能模型开发需求的网络管理人员提供业务支持。实验结果表明,本论文基于数据驱动的网络QoS推断系统能够有效提升网络性能算法开发进度并且能够辅助网络管理人员选择高效、信任度高的网络性能评估模型进行特定场景下的网络性能预测。
彭顺顺[5]（2020）在《复杂多样环境下QoS感知的服务组合方法研究》文中认为随着全球化协同需求的凸显和服务计算技术的深入实践,服务化已成为当前构造复杂软件的主流趋势。作为构建服务系统（Service-oriented Systems）的核心技术,服务组合不仅需要满足用户的功能需求,还需保证服务质量（Quality of Service,QoS）优化性,即需要实现QoS感知的服务组合。然而,随着服务技术的发展和用户需求的复杂多样化,服务系统的构造问题日益表现出动态化、规模化以及偏好多样化等特点,进而从优化配置、优化规模及优化目标等方面给QoS感知的服务组合带来了一系列新的挑战。由此可见,设计面向复杂多样环境的QoS感知的服务组合方法已成为当前服务系统构建领域一个新的亟待解决的挑战性问题。已有的围绕动态环境下QoS感知的服务组合、大规模环境下QoS感知的服务组合、多偏好环境下QoS感知的服务组合等相关课题所开展的研究工作,已取得了一定进展,但仍存在以下不足:（1）在动态环境下,由于对服务组合的领域特征信息考虑不足且没有明确考虑全局优化性,现有方法难以适应组合服务优化配置的应用需求;（2）在大规模环境下,现有方法的优化模式和优化手段存在局限性,导致难以有效地进行服务组合优化;（3）在多偏好环境下,现有方法没有很好地均衡Pareto最优解集的收敛性及多样性,且忽略了Pareto最优解的数量急剧增长问题,导致难以快速获得一组从收敛性和多样性两方面同时逼近真实Pareto最优前沿的优化目标。针对上述问题,本文分别对三种不同环境下QoS感知的服务组合方法展开研究。第一,在动态环境下QoS感知的服务组合方面,研究支持动态环境的自适应服务组合方法,提出一种基于受限玻尔兹曼机的分布估计算法,通过挖掘服务组合的领域特征信息并在变动发生时配置全局优化的组件服务以响应动态变化,从而保障服务系统的性能;第二,在大规模环境下QoS感知的服务组合方面,研究支持大规模环境的可扩展服务组合方法,提出一种多聚类头脑风暴优化算法,通过解空间划分和解空间缩减两种方式提高优化效率,并通过讨论机制和竞争策略实现解空间的优化搜索;第三,在多偏好环境下QoS感知的服务组合方面,研究支持多偏好环境的多目标服务组合方法,提出一种基于自适应参考向量的多目标差分进化算法,利用种群差分进化和参考向量,有效地提供一组具有多样性和收敛性的多QoS、目标均衡的Pareto最优解集,从多个维度满足用户的需求。综上所述,本文研究复杂多样环境下QoS感知的服务组合问题,围绕这一问题产生的优化配置、优化规模及优化目标问题,提出一系列QoS感知的服务组合方法,为更好地开展服务系统应用提供技术支撑,进而可以有效促进我国软件产业的快速发展,具有重要的理论意义和应用价值。
王昭宁[6]（2020）在《移动网络中面向终端用户的服务生成关键技术研究》文中研究指明随着科技的进步,无线网络技术和移动互联网产业快速发展,诸如智能手机、平板电脑、移动穿戴等移动智能设备功能在也变得更加强大,基于移动设备的丰富功能服务和移动网络中种类繁多的Web服务,开发人员创造出了大量的移动应用,使得移动技术愈发融入人们的日常生活,同时激发了用户对于移动应用和服务更加个性化和多样化的需求。传统的移动应用由专业的开发人员在编程的环境中进行开发,他们对用户的需求进行调研和分析,并根据需求针对特定的系统平台设计和实现相应的移动应用。这样的开发过程流程复杂周期冗长,不利于移动应用的跨平台适配,难以满足用户个性化的需求。为了解决以上的问题,本论文在面向服务架构的基础上,研究并提出了面向终端用户的服务生成的关键技术,一方面让终端用户利用跨平台图形化的应用开发环境,根据自己的需求基于组件化的应用生成模型独立开发移动应用,同时研究了 QoS感知自动化的服务组合技术,以用户需求为驱动实现在移动网络中自动化地服务供给,并提出了优化算法。论文的主要的工作和贡献包含了以下三个方面:1)面向终端用户的基于组件的跨平台移动应用生成模型研究。针对面向终端用户服务生成中移动应用开发的问题,提出了一个组件化的跨平台移动应用生成模型。在应用生成模型中,定义了一个服务组件模型和组件插件模型,基于事件驱动的组件聚合方法跨平台构建的移动应用。基于应用生成模型实现的EasyApp系统,为终端用户提供了一个图形化开发移动应用的编辑器和一系列可用于应用开发的Web组件库,能够快速构建跨平台的移动应用。最后演示了应用开发过程,对开发环境在终端用户中的可用性进行了评估,相比对比系统,终端用户使用EasyApp的开发应用的时间减少了约18%。2)QoS感知的自动化服务组合研究。针对移动网络中Web服务供给的问题,研究了 QoS感知的自动化服务组合问题并且提出了两方面的优化方案。一方面研究了自动规划技术中的图规划算法和启发式搜索算法,并使用了自动规划模型,将图规划与启发式搜索相结合,提出了 Q-Graphplan算法,求解QoS感知的自动化服务组合问题。用标准测试集对算法性能进行了测试,并同经典的图规划服务组合算法进行了比较分析,实验结果表明Q-Graphplan减少了约77%冗余服务,平均组合时间降低了约24%。另一方面,为了解决服务组合优化问题中需要考虑的大量的QoS属性的问题,提出了一种多QoS优化目标的服务组合的MaSC算法,它借助了一个全新的时态模型,把待解决的服务组合复杂问题分解成为若干个简单的子问题,并且采用了 一个多目标的演化过程搜索近似最优的组合服务集合。采用标准测试集对算法性能进行了测试,并同现有的算法进行了比较分析,MaSC算法求得的服务组合解与最优的偏差减少了约28%,而平均组合时间降低了约73%。3)移动动态网络中的实时服务组合研究。针对在动态的移动网络环境中的服务供给问题,重点关注了在移动自组织网络中服务发现与实时组合的问题。移动自组织网络环境具有缺少中心管理节点、服务主机持续移动等特点,于是将移动服务组合问题建模为实时规划问题,并提出RTASC算法动态地构建移动网络中的服务流程并实时执行。RTASC可分为服务发现和服务执行两个步骤,在服务发现阶段,RTASC采用了去中心化的启发式的服务发现机制,在分散的服务主机节点中发现当前可用的移动服务,并根据服务的依赖关系反向构建启发式覆盖网络。在服务执行阶段,RTASC采用了一种带有前向探测的边规划边执行的策略,实时的规划和执行组合服务。在模拟环境下测试了算法性能,并和现有的同类算法进行了比较分析,结果表明RTASC的组合时间降低了约20%,组合失败率降低了约35%。
师玉龙[7]（2020）在《面向SDN的物联网服务中间件关键技术研究》文中研究表明物联网服务是指在物联网场景中为用户提供无处不在的、实时的、安全的和智能化的服务。近几年来,随着智能设备的普及和传感技术的进步,物联网设备和服务爆炸性增长。面对海量数据、异构网络和多样化的服务需求,如何设计和实现物联网服务变成了一个亟待解决的问题。发布/订阅中间件常被用来构建物联网服务的通信基础设施,旨在建立一个物联网平台对下层网络统一消息格式、互联异构网络,对上层应用提供统一的抽象,并为物联网服务高效地交付事件。新兴的软件定义网络因其逻辑上中心化的控制器和控制与转发分离等特性为网络带来了良好的可编程性和灵活性。SDN可用于解决物联网服务中从发布者到订阅者间交付事件的服务质量保证难题。发布/订阅中间件与SDN结合,形成了面向SDN的发布/订阅中间件,更进一步地推动了物联网时代的到来。本文的研究工作和创新点如下:（1）针对如何利用SDN和发布/订阅中间件提供物联网服务的问题,提出了似SDN的发布/订阅中间件架构和实现框架,并详细阐述了如何使用该架构去实现似SDN的面向主题的发布/订阅中间件原型作为物联网的通信基础设施。本文还描述了如何利用SDN网络的可编程性通过SDN控制器编码事件主题优先级和授权策略到SDN交换机流表项的匹配字段去实现区分化的物联网服务和用户访问控制,提高了物联网事件交付的效率和安全性。（2）针对物联网服务中QoS的保证难题,设计了支持跨层QoS的控制框架去提高物联网服务中似SDN的发布/订阅中间件交付事件的QoS。跨层意味着在不同的管理层面控制QoS。一层在控制层,利用SDN集中化控制的特性从局部角度提高SDN控制器自治域内的QoS,另一层在全局管理层,从管理员的角度提高全局网络的QoS。并用区分化服务和访问控制两个应用场景验证了跨层QoS控制框架设计的合理性。（3）针对物联网服务中海量时延敏感数据实时交付的问题,设计了一个改进最短路的面向主题的Steiner树多播路由算法,去为多个主题构建发布/订阅覆盖网络,最大程度地减少了事件传输的总链路时延并减少了 SDN交换机中的流表项数,提高了事件交付的效率,形成了快速多播路由。还设计了一个面向主题的基于桶的多播转发算法去提高事件转发的效率,并考虑了主题间的订阅覆盖关系去减少交换机的流表项数,提高了交换机的匹配能力。这两个算法和似SDN的设计一起构成了物联网中似SDN的面向主题基于桶的快速多播路由。（4）针对物联网服务中用户需求多样化定制化的特点,提出了如何使用似SDN的发布/订阅中间件架构和在SDN交换机的出端口上配置优先级队列来提供区分化的物联网服务。本文从两个角度设计了基于用户需求的两层队列管理机制去保证区分化服务的可靠性:一个是SDN控制器中关于单个交换机的本地队列带宽调整算法。另一个是管理员中关于从发布者到订阅者路径上所有交换机的全局QoS控制策略。这样,利用SDN集中化的控制去获得全网拓扑,从系统角度动态配置交换机的时延约束,更合理地分配队列带宽,保证了物联网区分化服务的可靠性。
宣一荻[8]（2020）在《认知车联网中的异质频谱共享技术研究》文中认为随着车载业务类型的爆发式增长和城市车辆日趋密集化,有限的频谱资源已经难以满足车联网的多种通信业务需求。为此,车联网引入认知无线电,通过频谱共享技术共享丰富的频谱资源,缓解车联网频谱资源紧张的问题。目前,认知车联网中通常共享具有良好穿透特性的6GHz以下频段的频谱资源。然而,6GHz以下频段由于可使用带宽有限,并不能完全满足车联网的通信需求。相比于6GHz以下频段,具有丰富带宽资源的毫米波开始为人们所关注,但由于毫米波频段极高的路径损耗和穿透损耗,仅使用毫米波通信难以在车联网中形成稳定可靠的长期通信连接。因此,联合使用6GHz以下频段和毫米波频段的频谱资源成为满足车联网通信需求的重要手段,有必要研究认知车联网中的异质频谱共享技术。论文选题依托于国家自然基金项目“密集异构无线环境下极化资源的感知与利用研究”（项目编号:61571062）和北京市自然科学基金项目“动态时空数据驱动下基于视频数据理解的车联网资源分配算法研究”（项目编号:4202049）,在集成6 GHz以下频段和毫米波频段的认知车联网中,研究异质频谱共享技术,主要研究内容如下:一、针对车辆使用6 GHz以下频段和毫米波频段通信所造成的异质频谱干扰问题,提出了基于干扰多图的异质频谱共享算法和基于干扰感知多图的异质频谱共享算法。首先,构建了认知车联网异质频谱共享模型,并通过网络演算理论将模型中的延时约束转化为信干噪比约束,降低了链路通信延时在实际中获取的难度。然后,提出了基于干扰多图的异质频谱共享算法,通过构建干扰多图量化车辆间的异质频谱干扰,并设计了干扰多图着色算法进行异质频谱分配。上述算法虽然满足了车联网的通信需求,但由于仅以系统和速率作为优化目标,导致信道质量不佳的车辆,面临通信可靠性的损失。因此,将最大化系统和速率问题转化为最大化-最小传输速率问题,并提出了基于干扰感知多图的异质频谱共享算法。仿真验证,与经典的基于博弈论的异质频谱共享算法相比,本文所设计的两种算法更好地保障了车辆通信链路的可靠性和延时性能要求,保证链路中断概率和数据包延时溢出概率分别不超过0.001和0.009,其中基于干扰感知多图的异质频谱共享算法具有更高的可靠性。二、针对多业务并存车联网中的异质频谱通信链路多样化服务质量（Quality of Service,QoS）要求问题,提出了基于干扰感知多智能体深度强化学习的异质频谱共享算法。所设计的算法采用分布式方案,解决了现有认知车联网频谱共享技术信令开销大、计算复杂度高的问题。首先,引入了可以表征多业务QoS要求的有效容量模型,构建多业务QoS保障的异质频谱共享模型。然后,提出了基于干扰感知多智能体深度强化学习的异质频谱共享算法,考虑到现有深度强化学习模型在可观测邻居用户数目变化时所面临的状态空间维度变化的问题,所设计的算法通过具备干扰感知功能的车辆感知其在每个频段所受的干扰构建状态空间,以表征邻居用户使用的频谱资源、距离等信息,维持状态空间维度的稳定。仿真验证,在多业务并存的车联网中,所设计的算法可以保障车辆通信链路的多样化QoS需求,如保证碰撞避免信息传输业务数据包延时超出10 ms的概率低于所要求的0.01,保证自动驾驶信息传输业务数据包延时超出100 ms的概率低于所要求的0.05。
李鑫[9]（2020）在《面向无人艇控制系统的数据分发服务质量技术研究》文中进行了进一步梳理无人水面艇简称无人艇,是一个集成多种复杂任务的水上开放式平台,其发展趋向于模块化、集成化和智能化。无人水面艇集成多个任务子系统,每个子系统间,硬件设备和软件应用存在差异,数据的格式和携带的任务级别各不相同,无人水面艇内异构数据信息在交互过程中的服务质量需求不容忽视。考虑无人水面艇的分布式体系结构,本研究将数据分发服务用于集成无人艇分布式系统,提出发布/订阅模型作为无人水面艇的数据分发模型,着重研究控制系统和其它功能子系统在数据信息交互过程中的服务质量需求,为具体需求提供了相应的解决方案,提升艇内数据信息按需交互的能力,构建无人水面艇的“总线型”数据分发模型。本文的主要工作如下:基于无人水面艇分布式体系结构,阐述了为控制无人水面艇的行为,其控制系统和受控子系统间需实时进行数据信息交互。明确参与控制流程的数据信息在交互过程中的服务质量需求,分为主要需求和其他需求。主要需求有实时性需求和可靠性需求,其他需求有双机热备无缝切换需求、历史数据存储管理需求、自主排障需求、数据生命期限管理需求和系统资源动态管理需求。顺应无人水面艇“模块化”和“集成化”的发展现状,子系统间应保持松散耦合的关系。研究分析几种典型数据分发模型的结构和耦合程度,提出发布/订阅模型作为无人水面艇的数据分发模型,数据分发服务技术作为集成无人水面艇分布式系统的手段,构建了基于发布/订阅的无人水面艇“总线型”数据分发模型。研究数据分发服务对无人水面艇子系统间数据信息交互的通信支持,具体包括数据分发服务的实体概念模型、自动发现算法、匹配算法和通知机制,为实现无人水面艇子系统间的数据发布和数据订阅奠定了理论基础。服务质量策略是数据分发服务约束通信行为的具体支持。本研究从无人艇子系统间数据信息交互的服务质量需求成因入手,确定与该需求相关的服务质量策略,研究服务质量策略控制数据通信行为的实现,针对本研究明确的每个服务质量需求制定了合理的解决方案。搭建基于数据发布/订阅的实验平台,编写量化指标的统计算法,用于测试数据信息交互的实时性和可靠性,并对实验结果进行分析,总结出影响实时性和可靠性的因素。实验结果表明采用数据分发服务,并结合服务质量策略,能够实现无人艇子系统间数据信息交互的服务质量需求。
蒋明[10]（2020）在《Web服务推荐中QoS预测方法研究》文中认为随着互联网技术的快速发展,web服务推荐及其应用研究已成为学术界和工业界的重点关注方向。同时,web 2.0时代的到来,互联网中注册的web服务数量呈现爆炸式的增长。在许多面向服务的应用场景中,web服务间具有相同或相似的业务功能,而服务质量具有差异性。如何在功能相同或相似的web服务中为目标用户推荐高质量服务是当前服务计算研究领域一个重要的热点研究问题。目前,国内外学者针对服务推荐中QoS预测问题开展了较为广泛和深入的研究,已经取得显着的研究成果。研究内容主要分为两大研究热点:（1）在非时态感知的场景下,服务QoS预测问题研究;（2）时态感知的服务QoS预测问题研究。在非时态感知场景的服务QoS预测问题中,现有的研究成果主要采用协同过滤算法思想。然而,现有的基于协同过滤方法将某一目标用户调用的所有服务（或调用某一目标服务的所有用户）全部用于计算目标用户调用目标服务的QoS预测基准值,尚未考虑到在QoS预测基准值计算过程中与目标服务（或目标用户）不相关的服务（或用户）所造成的偏差。基于现有研究中存在的不足,本文提出了一种基于增强式协同过滤算法的QoS预测方法。该方法在进行协同过滤计算之前,采用RBS相似度进行邻居服务（用户）检测,修剪与目标服务（或目标用户）不相关的冗余服务（或用户）,进而提升了基准值计算的可靠性。通过实验和现有的方法相比,本方法显着地提高了QoS预测的准确性。在时态感知的服务QoS预测问题中,现有的研究成果主要采用循环神经网络的序列预测模型和统计学的序列预测模型。然而,基于循环神经网络的序列预测模型在QoS预测过程中,尚未考虑到用户和服务的特征会随着时间的推移而改变,用户和服务的时态特征表达能力有待提高。在此研究驱动下,本文提出了一种基于GRU（门控循环单元）的时态感知服务QoS预测方法。该方法使用二值化调用记录重构用户与服务的特征表示模块,使之具备时序特征表达能力;同时,该方法还将用户（服务）之间的相似度特征与用户（服务）二值化特征相融合,使得特征表达能够感知上下文环境。通过实验和现有的方法相比,该方法显着地提高了时态感知的服务QoS预测方法的准确性。在最佳的实验设置条件下,QoS预测准确性提升了21%。
二、用于QoS的两种服务模型的集成（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、用于QoS的两种服务模型的集成（论文提纲范文）
（1）面向语义服务的物联网中间件关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景和意义 |
| 1.2 国内外发展研究现状 |
| 1.2.1 国内外物联网发展战略 |
| 1.2.2 物联网中间件研究现状 |
| 1.2.3 物联网本体研究现状 |
| 1.2.4 物联网服务研究现状 |
| 1.3 论文的主要内容和组织结构 |
| 1.3.1 论文的主要研究内容 |
| 1.3.2 论文的组织结构 |
| 第2章 面向语义服务的物联网中间件框架 |
| 2.1 物联网体系结构 |
| 2.2 物联网的语义服务化 |
| 2.3 物联网中间件的相关工作 |
| 2.3.1 物联网中间件面临的挑战 |
| 2.3.2 物联网中间件的分类 |
| 2.4 面向语义服务的物联网中间件模型 |
| 2.4.1 物联网语义本体模型 |
| 2.4.2 基于发布/订阅的数据分发 |
| 2.4.3 物联网服务管理 |
| 2.5 本章小结 |
| 第3章 基于本体的物联网语义模型 |
| 3.1 引言 |
| 3.1.1 本体Ontology |
| 3.1.2 本体描述语言 |
| 3.2 物联网本体建模 |
| 3.2.1 本体模型的层次结构 |
| 3.2.2 关键本体建模 |
| 3.3 物联网本体模型的构建和验证 |
| 3.4 本章小结 |
| 第4章 基于发布/订阅模型的交互机制 |
| 4.1 引言 |
| 4.2 发布/订阅通信模型概述 |
| 4.2.1 交互方式 |
| 4.2.2 发布/订阅类型及相关技术 |
| 4.3 基于发布/订阅按需分发的消息空间 |
| 4.4 发布/订阅模型中事件-订阅匹配算法 |
| 4.4.1 基于频繁属性集的订阅分类过滤方法 |
| 4.4.2 事件-订阅的优先级匹配算法 |
| 4.5 实验结果分析 |
| 4.5.1 订阅过滤实验分析 |
| 4.5.2 匹配过程实验分析 |
| 4.6 总结 |
| 第5章 物联网服务的提供机制 |
| 5.1 引言 |
| 5.2 物联网服务的提供管理空间 |
| 5.3 基于相似度的服务发现算法 |
| 5.3.1 服务发现的相关工作 |
| 5.3.2 服务的语义描述模型 |
| 5.3.3 物联网服务概率主题聚类 |
| 5.3.4 物联网服务的相似匹配 |
| 5.3.5 基于服务质量Qo S的选择策略 |
| 5.4 实验结果分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文总结 |
| 6.2 未来的工作展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（2）互联网视频服务用户体验质量（QoE）研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究概况与挑战 |
| 1.3 本文研究内容与贡献 |
| 1.4 论文组织结构 |
| 参考文献 |
| 第二章 互联网视频服务QoE研究综述 |
| 2.1 QoE测量和学习 |
| 2.1.1 研究对象 |
| 2.1.2 测量手段 |
| 2.1.3 目标变量 |
| 2.2 QoE评估建模 |
| 2.2.1 主观评价方法 |
| 2.2.2 客观评价方法 |
| 2.2.3 评估模型 |
| 2.3 QoE管理和优化 |
| 2.3.1 视频控制平台优化 |
| 2.3.2 网络资源分配优化 |
| 2.3.3 视频传输控制优化 |
| 2.3.4 其他优化方向 |
| 2.4 本文的研究路线 |
| 参考文献 |
| 第三章 互联网视频服务QoE测量和学习 |
| 3.1 引言 |
| 3.2 数据采集与预处理 |
| 3.3 多维度影响因素的特征提取 |
| 3.3.1 系统维度 |
| 3.3.2 情境维度 |
| 3.3.3 用户维度 |
| 3.4 频繁时间序列模式挖掘 |
| 3.4.1 数据布局 |
| 3.4.2 字典序层次化交叉算法 |
| 3.5 多维度特征学习 |
| 3.5.1 目标变量 |
| 3.5.2 系统特征与DVC的关联 |
| 3.5.3 其他维度特征与DVC的关联 |
| 3.6 QoE测量和学习方法比较 |
| 3.7 本章小节 |
| 参考文献 |
| 第四章 基于特征工程和非线性集成模型的QoE评估建模方法 |
| 4.1 引言 |
| 4.2 QoE评估建模中的特征工程手段 |
| 4.2.1 系统维度 |
| 4.2.2 用户维度 |
| 4.2.3 情境维度 |
| 4.2.4 样本标记 |
| 4.3 QoE评估建模算法 |
| 4.3.1 因子分解机 |
| 4.3.2 贝叶斯推断的应用 |
| 4.3.3 集成方法对QoE评估建模的作用 |
| 4.3.4 CB-BFM算法流程 |
| 4.4 QoE评估模型性能比较 |
| 4.4.1 实验准备 |
| 4.4.2 实验分析 |
| 4.5 本章小结 |
| 参考文献 |
| 第五章 基于深度学习的QoE评估建模方法 |
| 5.1 引言 |
| 5.2 深度学习的可行性 |
| 5.3 混合深度网络介绍 |
| 5.3.1 输入层 |
| 5.3.2 嵌入层 |
| 5.3.3 隐层 |
| 5.3.4 注意层 |
| 5.3.5 输出层 |
| 5.4 实验分析 |
| 5.4.1 增量式验证实验 |
| 5.4.2 算法性能比较 |
| 5.4.3 训练时间 |
| 5.5 本章小结 |
| 参考文献 |
| 第六章 基于会话级用户行为学习的QoE管理和优化 |
| 6.1 引言 |
| 6.2 会话级用户行为学习 |
| 6.2.1 用户行为模式特点 |
| 6.2.2 有监督学习思想 |
| 6.2.3 基于注意力机制的图排序算法 |
| 6.3 QoE相关用户行为模式分析 |
| 6.3.1 动态绑定关系 |
| 6.3.2 用户行为交互特点 |
| 6.3.3 支持度和信息增益 |
| 6.4 细粒度QoE管理和优化方案 |
| 6.4.1 UBMI机制的设计思路 |
| 6.4.2 UBMI机制的工作流程 |
| 6.5 本章总结 |
| 参考文献 |
| 第七章 结束语 |
| 7.1 论文总结 |
| 7.2 工作展望 |
| 致谢 |
| 攻读博士学位期间的研究成果 |
（3）基于Petri网的服务组合技术在云制造平台的应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容及组织结构 |
| 1.4 本文创新点 |
| 第2章 语义Web服务与本体理论基础 |
| 2.1 本体技术 |
| 2.1.1 本体基础 |
| 2.1.2 领域本体的构建原则 |
| 2.1.3 领域本体的构建方法 |
| 2.1.4 本体相似度设计方式简介 |
| 2.2 语义Web服务描述模型 |
| 2.3 Web服务组合技术 |
| 2.3.1 Web服务组合 |
| 2.3.2 Web服务组合验证 |
| 2.4 云制造平台的服务组合过程模型 |
| 2.5 本章小结 |
| 第3章 基于功能分组的多层QoS服务模型 |
| 3.1 QoS定义及属性 |
| 3.1.1 QoS定义 |
| 3.1.2 QoS属性 |
| 3.2 基于功能分组的多层Qos模型 |
| 3.3 Qos计算模型 |
| 3.3.1 QoS标准化 |
| 3.3.2 属性权重分配原则 |
| 3.3.3 QoS的综合计算 |
| 3.4 仿真实验 |
| 3.4.1 随机的服务选择 |
| 3.4.2 基于功能分组的服务选择 |
| 3.4.3 实验对比 |
| 3.5 本章小结 |
| 第4章 基于模糊时序Petri网的服务组合 |
| 4.1 Petri网 |
| 4.1.1 Petri网概念 |
| 4.1.2 Petri网性质 |
| 4.1.3 Petri网分析方法 |
| 4.1.4 模糊时序Petri网 |
| 4.2 基于FTPN服务组合的依赖关系 |
| 4.3 Web服务组合依赖关系图生成算法 |
| 4.3.1 算法所需定义 |
| 4.3.2 基于IOPE参数类型相似度的Web服务匹配算法 |
| 4.3.3 Web服务依赖关系图的生成代码表示 |
| 4.4 实例构建 |
| 4.4.1 问题描述 |
| 4.4.2 汽车领域本体构建 |
| 4.4.3 Web服务依赖关系图的生成 |
| 4.5 本章小结 |
| 第5章 基于FTPN的正反向推理算法 |
| 5.1 Web依赖关系图的矩阵表示及运算定义 |
| 5.1.1 矩阵定义 |
| 5.1.2 运算定义 |
| 5.2 反向推理算法 |
| 5.3 正向推理算法 |
| 5.4 推理算法实例验证 |
| 5.5 本章小结 |
| 第6章 Web服务组合形式化验证 |
| 6.1 安全性验证 |
| 6.2 可达性验证 |
| 6.3 死锁验证 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（4）基于数据驱动的网络QoS推断系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 主要研究内容 |
| 1.3 论文主要工作 |
| 1.4 论文结构 |
| 第二章 相关技术概述 |
| 2.1 网络QoS及其关键性能指标 |
| 2.2 离散事件网络模拟器 |
| 2.3 深度学习框架 |
| 2.3.1 深度学习 |
| 2.3.2 图神经网络 |
| 2.3.3 机器学习平台TensorFlow |
| 2.4 前后端开发技术研究 |
| 2.4.1 服务器端框架Flask |
| 2.4.2 前端框架Bootstrap |
| 2.4.3 关系型数据库MySQL |
| 2.5 网络性能建模机器学习方案调研 |
| 2.6 本章小结 |
| 第三章 基于数据驱动的网络QoS推断系统需求分析 |
| 3.1 系统需求概述 |
| 3.1.1 问题与挑战分析 |
| 3.1.2 系统总体功能分析 |
| 3.1.3 用户群体分析 |
| 3.2 系统详细功能需求分析 |
| 3.2.1 网络仿真服务 |
| 3.2.2 网络时延推断服务 |
| 3.2.3 推断系统管理 |
| 3.2.3.1 个性化管理 |
| 3.2.3.2 账号管理 |
| 3.2.3.3 模型版本管理 |
| 3.2.3.4 模型预测 |
| 3.2.3.5 历史信息查询 |
| 3.3 系统非功能性需求分析 |
| 3.3.1 网络仿真数据集可靠性需求 |
| 3.3.2 模型预测性能需求 |
| 3.3.3 推断系统管理平台交互需求 |
| 3.4 数据库需求分析 |
| 3.5 本章小结 |
| 第四章 基于数据驱动的网络QoS推断系统的概要设计 |
| 4.1 系统模块设计 |
| 4.2 系统总体架构设计 |
| 4.3 网络仿真服务子系统概要设计 |
| 4.3.1 网络仿真服务子系统流程 |
| 4.3.2 网络仿真服务概要设计 |
| 4.3.3 网络场景描述设计 |
| 4.3.3.1 仿真网络拓扑设计 |
| 4.3.3.2 仿真路由策略设计 |
| 4.3.3.3 仿真流量负载设计 |
| 4.4 网络时延推断服务子系统概要设计 |
| 4.4.1 网络时延推断服务子系统流程 |
| 4.4.2 网络性能评估算法设计 |
| 4.5 网络推断系统管理平台概要设计 |
| 4.5.1 网络推断系统管理平台流程 |
| 4.5.2 网络推断系统管理平台软件架构 |
| 4.5.3 网络推断系统管理平台与网络时延推断服务子系统的交互 |
| 4.6 数据库设计 |
| 4.6.1 数据库E-R图设计 |
| 4.6.2 数据库实体表格设计 |
| 4.7 本章小结 |
| 第五章 基于数据驱动的网络QoS推断系统的详细设计与实现 |
| 5.1 网络仿真服务子系统详细设计与实现 |
| 5.1.1 开发环境搭建 |
| 5.1.2 网络仿真架构设计与实现 |
| 5.1.3 核心模块功能设计与实现 |
| 5.1.3.1 数据包生成的设计与实现 |
| 5.1.3.2 路由转发的设计与实现 |
| 5.1.3.3 节点数据包传输管理的设计与实现 |
| 5.1.4 网络仿真并采集仿真结果 |
| 5.1.5 数据集规划 |
| 5.2 网络时延推断服务子系统详细设计与实现 |
| 5.2.1 开发环境搭建 |
| 5.2.2 算法模型开发程序结构 |
| 5.2.3 核心模块实现 |
| 5.2.4 算法模型训练 |
| 5.3 网络推断系统管理平台设计与实现 |
| 5.3.1 开发环境搭建 |
| 5.3.2 网络推断系统管理平台程序结构 |
| 5.3.3 网络推断系统管理平台功能设计与实现 |
| 5.3.3.1 个性化管理 |
| 5.3.3.2 账号管理 |
| 5.3.3.3 模型版本管理 |
| 5.3.3.4 模型预测 |
| 5.3.3.5 历史查询 |
| 5.4 本章小节 |
| 第六章 系统测试 |
| 6.1 系统测试环境 |
| 6.2 系统功能测试 |
| 6.2.1 网络仿真服务子系统测试 |
| 6.2.1.1 仿真数据包生成测试 |
| 6.2.1.2 路由转发测试 |
| 6.2.1.3 节点数据包传输管理测试 |
| 6.2.2 网络时延推断服务子系统测试 |
| 6.2.2.1 模型泛化能力验证 |
| 6.2.2.2 模型优劣性对比 |
| 6.2.3 推断系统管理平台测试 |
| 6.2.3.1 个性化管理测试 |
| 6.2.3.2 账号管理测试 |
| 6.2.3.3 模型版本管理测试 |
| 6.2.3.4 模型预测测试 |
| 6.2.3.5 历史信息查询测试 |
| 6.3 测试结果分析 |
| 6.4 本章小结 |
| 第七章 结束语 |
| 7.1 全文总结 |
| 7.2 论文不足及待改进部分 |
| 7.3 研究生期间工作 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（5）复杂多样环境下QoS感知的服务组合方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略词表 |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 现有解决方法概述 |
| 1.2.1 动态环境下典型的QoS感知的服务组合方法 |
| 1.2.2 大规模环境下典型的QoS感知服务组合方法 |
| 1.2.3 多偏好环境下典型的QoS感知服务组合方法 |
| 1.2.4 有待深入研究的问题 |
| 1.3 研究目标与内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 论文组织结构 |
| 第2章 研究现状 |
| 2.1 动态环境下QOS感知的服务组合研究 |
| 2.2 大规模环境下QOS感知的服务组合研究 |
| 2.3 多偏好环境下QOS感知的服务组合研究 |
| 2.4 研究现状总结 |
| 第3章 支持动态环境的自适应服务组合方法 |
| 3.1 引言 |
| 3.2 问题定义 |
| 3.2.1 组合模型 |
| 3.2.2 问题描述 |
| 3.3 基于受限玻尔兹曼机的分布估计算法 |
| 3.3.1 rEDA概述 |
| 3.3.2 个体选择 |
| 3.3.3 概率分布模型构建 |
| 3.3.4 模型训练 |
| 3.3.5 动态采样 |
| 3.4 实验验证 |
| 3.4.1 验证方法 |
| 3.4.2 实验结果 |
| 3.4.3 讨论与分析 |
| 3.5 本章小结 |
| 第4章 支持大规模环境的可扩展服务组合方法 |
| 4.1 引言 |
| 4.2 问题定义 |
| 4.2.1 QoS模型 |
| 4.2.2 问题描述 |
| 4.3 多聚类头脑风暴优化算法 |
| 4.3.1 McBSO概述 |
| 4.3.2 基于多平面的聚类 |
| 4.3.3 类内个体排序 |
| 4.3.4 基于双重讨论的种群进化 |
| 4.3.5 基于竞争策略的选择机制 |
| 4.4 实验验证 |
| 4.4.1 验证方法 |
| 4.4.2 实验结果 |
| 4.4.3 讨论与分析 |
| 4.5 本章小结 |
| 第5章 支持多偏好环境的多目标服务组合方法 |
| 5.1 引言 |
| 5.2 问题定义 |
| 5.2.1 Pareto模型 |
| 5.2.2 问题描述 |
| 5.3 基于自适应参考向量的多目标差分进化算法 |
| 5.3.1 ARV-MoDE概述 |
| 5.3.2 初始化 |
| 5.3.3 后代生成 |
| 5.3.4 基于参考向量的细粒度搜索 |
| 5.3.5 参考向量自适应机制 |
| 5.4 实验验证 |
| 5.4.1 验证方法 |
| 5.4.2 实验结果 |
| 5.4.3 讨论与分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 下一步工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）移动网络中面向终端用户的服务生成关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要缩略语及中英文对照 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 Web组件与跨平台移动应用开发 |
| 1.1.2 Web服务与面向服务的计算 |
| 1.1.3 移动动态网络中的服务组合 |
| 1.2 研究内容与主要贡献 |
| 1.3 本文的组织结构 |
| 第二章 相关研究综述 |
| 2.1 整体研究规划 |
| 2.2 面向终端用户的移动应用开发技术介绍 |
| 2.2.1 编程式开发环境 |
| 2.2.2 图形化开发环境 |
| 2.2.3 跨平台技术介绍 |
| 2.2.4 Web组件技术介绍 |
| 2.3 QoS感知的自动化服务组合技术 |
| 2.3.1 Web服务技术 |
| 2.3.2 静态的服务组合技术 |
| 2.3.3 自动化的服务组合技术 |
| 2.4 移动动态网络中的服务组合技术 |
| 2.4.1 开放式服务发现技术 |
| 2.4.2 分布式服务组合技术 |
| 2.4.3 实时启发搜索技术 |
| 2.4.4 本章小结 |
| 第三章 面向终端用户基于组件的跨平台移动应用生成模型研究 |
| 3.1 引言 |
| 3.2 研究动机及问题分析 |
| 3.3 跨平台移动应用组件化生成模型 |
| 3.3.1 服务组件模型 |
| 3.3.2 跨平台移动应用模型 |
| 3.4 系统架构 |
| 3.5 系统演示和评估 |
| 3.5.1 系统实现 |
| 3.5.2 示例应用开发 |
| 3.5.3 可用性评估 |
| 3.6 结论与展望 |
| 第四章 基于扩展图规划的QoS感知的自动化服务组合方法研究 |
| 4.1 引言 |
| 4.2 研究动机及问题分析 |
| 4.3 服务组合相关概念定义 |
| 4.3.1 服务模型 |
| 4.3.2 QoS模型 |
| 4.3.3 问题定义与映射 |
| 4.4 Q-Graphplan |
| 4.4.1 构建扩展的规划图 |
| 4.4.2 提取启发信息 |
| 4.4.3 转换图 |
| 4.4.4 反向A~*搜索 |
| 4.5 实验结果与分析 |
| 4.5.1 实验环境与数据集 |
| 4.5.2 实验结果与分析 |
| 4.6 结论与展望 |
| 第五章 基于时态模型和多目标优化的QoS感知自动化服务组合方法研究 |
| 5.1 引言 |
| 5.2 研究动机及问题分析 |
| 5.3 问题定义与概念描述 |
| 5.3.1 问题定义 |
| 5.3.2 Pareto集合概念 |
| 5.4 时间线模型概念 |
| 5.4.1 时态子目标 |
| 5.4.2 服务执行时间线 |
| 5.5 多目标优化的QoS感知自动化服务组合方法 |
| 5.5.1 流程概述 |
| 5.5.2 初始化过程 |
| 5.5.3 演化过程 |
| 5.6 实验测试与结果分析 |
| 5.6.1 实验数据集 |
| 5.6.2 实验环境与参数配置 |
| 5.6.3 实验结果分析 |
| 5.6.4 复杂度分析 |
| 5.7 结论和展望 |
| 第六章 移动动态网络中实时自动化服务组合方法研究 |
| 6.1 引言 |
| 6.2 研究动机及问题分析 |
| 6.3 实时服务组合基本概念 |
| 6.3.1 服务模型 |
| 6.3.2 实时约束 |
| 6.3.3 问题定义 |
| 6.4 基于前向探测的实时自动化服务组合方法 |
| 6.4.1 流程概述 |
| 6.4.2 启发式服务发现方法 |
| 6.4.3 基于前向探测的实时组合 |
| 6.5 实验测试与结果分析 |
| 6.5.1 实验环境与参数配置 |
| 6.5.2 实验结果与分析 |
| 6.6 结论与展望 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（7）面向SDN的物联网服务中间件关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 主要研究内容及创新点 |
| 1.3 本文的组织结构 |
| 参考文献 |
| 第二章 相关研究综述 |
| 2.1 本章引言 |
| 2.2 软件定义网络SDN |
| 2.2.1 SDN的起源和定义 |
| 2.2.2 SDN分层架构 |
| 2.2.3 SDN开放接口 |
| 2.2.4 SDN控制器 |
| 2.2.5 SDN开发工具 |
| 2.2.6 SDN的机遇与挑战 |
| 2.3 SDN中的QoS研究 |
| 2.3.1 SDN中的QoS研究概述 |
| 2.3.2 SDN中的QoS研究实例 |
| 2.4 发布/订阅中间件 |
| 2.4.1 发布/订阅交互机制 |
| 2.4.2 发布/订阅系统架构 |
| 2.4.3 发布/订阅类型 |
| 2.4.4 发布/订阅路由 |
| 2.4.5 发布/订阅实现挑战 |
| 2.5 发布/订阅原型 |
| 2.5.1 VCube-PS |
| 2.5.2 RTDDS |
| 2.5.3 Lamps |
| 2.5.4 Bayeux |
| 2.5.5 PADRES |
| 2.5.6 Hermes |
| 2.6 面向SDN的发布/订阅设计 |
| 2.6.1 PLEROMA |
| 2.6.2 SDN-Like |
| 2.6.3 Ride |
| 2.7 面向SDN的发布/订阅QoS研究 |
| 2.7.1 跨层QoS支持 |
| 2.7.2 多播路由研究 |
| 2.7.3 队列管理机制 |
| 2.8 面向物联网的数据分发服务 |
| 2.9 本章小结 |
| 参考文献 |
| 第三章 面向SDN的支持跨层QoS的物联网发布/订阅通信基础设施 |
| 3.1 本章引言 |
| 3.2 相关工作 |
| 3.3 物联网及服务 |
| 3.3.1 物联网与物联网服务 |
| 3.3.2 服务计算架构SOA与EDSOA |
| 3.3.3 面向SDN的新型物联网架构 |
| 3.3.4 物联网面临的挑战 |
| 3.4 面向SDN的物联网发布/订阅中间件架构设计 |
| 3.4.1 面向SDN的发布/订阅中间件架构 |
| 3.4.2 跨层QoS控制框架 |
| 3.5 面向SDN的基于主题的发布/订阅系统原型设计 |
| 3.5.1 总体设计 |
| 3.5.2 主题设计 |
| 3.5.3 拓扑维护 |
| 3.5.4 事件路由 |
| 3.5.5 策略管理 |
| 3.6 面向SDN的基于主题的发布/订阅系统应用实例 |
| 3.6.1 跨层区分化服务 |
| 3.6.2 跨层访问控制 |
| 3.7 实验评价 |
| 3.7.1 区分化服务实验 |
| 3.7.2 访问控制实验 |
| 3.8 本章小结 |
| 参考文献 |
| 第四章 面向SDN的发布/订阅多播路由机制研究 |
| 4.1 本章引言 |
| 4.2 相关工作 |
| 4.3 面向SDN的基于主题的发布/订阅实现框架 |
| 4.4 面向SDN的基于主题的斯坦纳树多播路由 |
| 4.4.1 问题描述 |
| 4.4.2 解决MCMN-TC-SDN |
| 4.5 面向SDN的主题式基于Bucket的多播转发 |
| 4.5.1 OpenFlow组表 |
| 4.5.2 基于Bucket的多播 |
| 4.5.3 面向主题的基于Bucket的多播转发算法 |
| 4.6 实验评价 |
| 4.6.1 发布/订阅拓扑构造 |
| 4.6.2 斯坦纳树构造时间开销 |
| 4.6.3 多播树代价比较 |
| 4.6.4 多播树构造时间比较 |
| 4.6.5 端到端时延 |
| 4.6.6 流表大小 |
| 4.7 本章小结 |
| 参考文献 |
| 第五章 面向SDN的可靠的区分化服务提供机制研究 |
| 5.1 本章引言 |
| 5.2 相关工作 |
| 5.3 模型方法 |
| 5.3.1 XGBoost模型 |
| 5.3.2 ARIMA模型 |
| 5.3.3 RED方法 |
| 5.3.4 增量差法 |
| 5.4 排队时延预测 |
| 5.4.1 数据预处理 |
| 5.4.2 特征选择 |
| 5.4.3 模型训练与参数调整 |
| 5.5 可靠的区分化服务提供机制 |
| 5.5.1 似SDN的发布/订阅系统架构 |
| 5.5.2 主题编码 |
| 5.5.3 优先级队列 |
| 5.5.4 可靠的区分化服务提供框架 |
| 5.6 可靠的区分化服务保证机制 |
| 5.6.1 本地队列带宽调整算法 |
| 5.6.2 全局QoS控制策略 |
| 5.7 实验评价 |
| 5.7.1 实验环境 |
| 5.7.2 排队时延预测方法比较 |
| 5.7.3 本地队列带宽调整算法验证 |
| 5.7.4 本地队列带宽调整算法整体测试 |
| 5.7.5 全局QoS控制策略验证 |
| 5.7.6 恒定比特率流量实验 |
| 5.7.7 可变比特率流量实验 |
| 5.7.8 实验讨论 |
| 5.8 本章小结 |
| 参考文献 |
| 第六章 结束语 |
| 6.1 论文总结 |
| 6.2 进一步工作 |
| 附录 缩略语表 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
| 博士在读期间完成和参与的项目 |
（8）认知车联网中的异质频谱共享技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景与意义 |
| 1.2 论文主要研究内容及研究成果 |
| 1.3 论文结构安排 |
| 第二章 认知车联网及频谱共享技术研究综述 |
| 2.1 车联网研究 |
| 2.1.1 车联网多业务场景 |
| 2.1.2 车联网无线通信技术 |
| 2.2 认知车联网研究 |
| 2.3 频谱共享技术研究 |
| 2.3.1 频谱共享技术概述 |
| 2.3.2 异质频谱共享技术 |
| 2.3.3 面向业务QoS保障频谱共享技术 |
| 2.4 认知车联网异质频谱共享的不足及其科学问题 |
| 2.5 本章小结 |
| 第三章 可靠且延时保障的异质频谱共享研究 |
| 3.1 引言 |
| 3.2 系统模型与问题描述 |
| 3.2.1 系统模型 |
| 3.2.2 V2V链路的延时约束 |
| 3.2.3 问题描述 |
| 3.2.4 问题转化 |
| 3.3 基于干扰多图的异质频谱共享算法研究 |
| 3.3.1 干扰多图 |
| 3.3.2 干扰多图着色算法 |
| 3.4 基于干扰感知多图的异质频谱共享算法研究 |
| 3.4.1 问题描述 |
| 3.4.2 干扰感知多图 |
| 3.4.3 干扰感知多图着色算法 |
| 3.5 仿真结果及分析 |
| 3.5.1 仿真参数设置 |
| 3.5.2 仿真结果分析 |
| 3.5.3 算法复杂度分析 |
| 3.6 本章小结 |
| 第四章 面向多业务QoS保障的异质频谱共享研究 |
| 4.1 引言 |
| 4.2 系统模型与问题描述 |
| 4.2.1 系统模型 |
| 4.2.2 V2V链路有效容量模型 |
| 4.2.3 V2V链路的数据溢出/丢失概率约束 |
| 4.2.4 问题描述 |
| 4.3 基于干扰感知多智能体深度强化学习的异质频谱共享算法研究 |
| 4.3.1 QoS保障参数求解 |
| 4.3.2 干扰感知多智能体Q学习模型 |
| 4.3.3 基于干扰感知多智能体深度Q学习的异质频谱分配算法 |
| 4.4 仿真结果及分析 |
| 4.4.1 仿真参数设置 |
| 4.4.2 仿真结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 未来工作展望 |
| 缩略语 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（9）面向无人艇控制系统的数据分发服务质量技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 数据分发服务的国外研究现状 |
| 1.2.2 数据分发服务的国内研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文结构 |
| 2 无人艇分布式系统结构和数据信息交互需求分析 |
| 2.1 无人艇分布式系统结构 |
| 2.2 无人艇分布式系统信息类型分析 |
| 2.3 无人艇分布式系统数据信息交互的服务质量需求 |
| 2.3.1 可靠性需求 |
| 2.3.2 实时性需求 |
| 2.3.3 双机热备无缝切换需求 |
| 2.3.4 自主排障需求 |
| 2.3.5 历史数据存储需求 |
| 2.3.6 动态资源管理需求 |
| 2.3.7 数据生命期限管理需求 |
| 2.4 本章小结 |
| 3 面向无人艇分布式系统的数据分发服务研究 |
| 3.1 无人艇分布式系统集成技术 |
| 3.2 无人艇分布式系统的数据分发模型 |
| 3.2.1 数据分发模型概述 |
| 3.2.2 发布/订阅模型的解耦特性 |
| 3.2.3 基于无人艇分布式系统的数据分发模型 |
| 3.3 无人艇子系统基于数据分发服务的信息交互原理 |
| 3.3.1 数据分发服务的实体概念模型 |
| 3.3.2 数据分发服务的自动发现 |
| 3.3.3 数据分发服务的匹配算法 |
| 3.3.4 数据分发服务的通知机制 |
| 3.3.5 无人艇子系统基于数据分发服务的模块划分 |
| 3.4 本章小结 |
| 4 针对无人艇系统数据分发需求的服务质量策略研究 |
| 4.1 服务质量策略 |
| 4.2 服务质量策略的匹配模型 |
| 4.3 针对无人艇服务质量需求的解决方案 |
| 4.3.1 可靠性需求解决方案 |
| 4.3.2 实时性需求解决方案 |
| 4.3.3 双机热备无缝切换需求解决方案 |
| 4.3.4 自主排障需求解决方案 |
| 4.3.5 历史数据缓存和永久存储需求解决方案 |
| 4.3.6 动态资源管理需求解决方案 |
| 4.3.7 数据生命期管理需求解决方案 |
| 4.4 本章小结 |
| 5 实验平台搭建和实验测试 |
| 5.1 实验平台搭建 |
| 5.1.1 实验平台构成 |
| 5.1.2 软件环境概述 |
| 5.1.3 网络环境 |
| 5.2 数据发布和数据订阅的实现 |
| 5.2.1 定义数据类型 |
| 5.2.2 数据发布和数据订阅 |
| 5.3 实验测试 |
| 5.3.1 实验方案 |
| 5.3.2 量化指标确定和统计方法 |
| 5.3.3 实验结果和分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 研究特色 |
| 6.3 展望 |
| 参考文献 |
| 附录 服务质量策略的IDL定义 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（10）Web服务推荐中QoS预测方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 研究目的与意义 |
| 1.2.1 理论意义 |
| 1.2.2 现实意义 |
| 1.3 国内外研究现状 |
| 1.3.1 非时态感知协同过滤服务QoS预测方法 |
| 1.3.2 时态感知的服务QoS预测方法 |
| 1.4 问题分析 |
| 1.4.1 协同过滤服务QoS预测的不足 |
| 1.4.2 时态感知服务QoS预测的不足 |
| 1.5 论文主要研究内容 |
| 1.6 本文章节结构 |
| 第二章 服务QoS预测理论基础 |
| 2.1 基于内存的服务QoS预测方法 |
| 2.1.1 相似度量化计算 |
| 2.1.2 协同过滤预测理论 |
| 2.2 基于模型的服务QoS预测方法 |
| 2.3 循环神经网络模型 |
| 2.4 本章小结 |
| 第三章 基于增强协同过滤的服务QoS预测 |
| 3.1 Web服务QoS预测问题 |
| 3.1.1 服务生态系统 |
| 3.1.2 服务QoS调用记录 |
| 3.1.3 服务QoS预测问题 |
| 3.1.4 服务推荐 |
| 3.2 增强协同过滤方法框架 |
| 3.3 基于用户的增强协同过滤QoS预测方法 |
| 3.3.1 筛选相似用户集合 |
| 3.3.2 检测邻居服务集合 |
| 3.3.3 QoS基准值计算 |
| 3.3.4 偏差协同迁移 |
| 3.4 基于服务的增强协同过滤QoS预测方法 |
| 3.4.1 筛选相似服务集合 |
| 3.4.2 检测邻居用户集合 |
| 3.4.3 QoS基准值计算 |
| 3.4.4 偏差协同迁移 |
| 3.5 实验验证与分析 |
| 3.5.1 实验设置与数据集 |
| 3.5.2 比较方法 |
| 3.5.3 评价指标与对比实验分析 |
| 3.5.4 参数影响分析 |
| 3.5.5 计算复杂度分析 |
| 3.6 本章小结 |
| 第四章 基于GRU的时态感知服务QoS预测 |
| 4.1 时态感知预测方法框架 |
| 4.2 用户与服务时序特征表达 |
| 4.3 特征时序挖掘与QoS预测 |
| 4.4 优化目标与模型训练 |
| 4.5 实验验证分析 |
| 4.5.1 实验设置与数据集 |
| 4.5.2 比较方法 |
| 4.5.3 评价指标与对比实验 |
| 4.6 本章小结 |
| 第五章 结论与展望 |
| 5.1 本文结论 |
| 5.2 未来工作展望 |
| 参考文献 |
| 作者在攻读硕士学位期间公开发表的论文 |
| 作者在攻读硕士学位期间所参与的项目 |
| 致谢 |
四、用于QoS的两种服务模型的集成（论文参考文献）
- [1]面向语义服务的物联网中间件关键技术研究[D]. 廉梦佳. 中国科学院大学(中国科学院沈阳计算技术研究所), 2021(09)
- [2]互联网视频服务用户体验质量（QoE）研究[D]. 岳婷. 北京邮电大学, 2021(01)
- [3]基于Petri网的服务组合技术在云制造平台的应用研究[D]. 王思宇. 沈阳理工大学, 2021(01)
- [4]基于数据驱动的网络QoS推断系统的设计与实现[D]. 彭德平. 北京邮电大学, 2021(01)
- [5]复杂多样环境下QoS感知的服务组合方法研究[D]. 彭顺顺. 东南大学, 2020(02)
- [6]移动网络中面向终端用户的服务生成关键技术研究[D]. 王昭宁. 北京邮电大学, 2020(02)
- [7]面向SDN的物联网服务中间件关键技术研究[D]. 师玉龙. 北京邮电大学, 2020
- [8]认知车联网中的异质频谱共享技术研究[D]. 宣一荻. 北京邮电大学, 2020
- [9]面向无人艇控制系统的数据分发服务质量技术研究[D]. 李鑫. 大连海事大学, 2020(01)
- [10]Web服务推荐中QoS预测方法研究[D]. 蒋明. 上海大学, 2020