آشنایی علمی با وب سرویس ها

این متن یه هیستوری مناسب و شاید خیلی خوب به شما در مباحث مربوط به وب سرویس ها و بهینه سازی اونها و ترکیب اونها خواهد داد.

محمدی و همکارانش (۱۳۹۵) در پژوهشی به بررسی ترکیب سرویس­های وب با استفاده از معادلات خطی پرداختند، در این مقاله به مسئله­ی ترکیب سرویس های وب WS مبتنی بر چرخه­ی کاری اختصاص دارد هنگامی که اکتشاف و معانی مفهومی WS انجام شد ترکیب پیچیدگی تئوریک از ترکیب WS مبتنی بر چرخه ی کاری کیفیت سرویس Qos آگاه انجام می شود و حالت های چند جمله ای را به دست می آید تحلیل پیچیدگی تئوریک نشان می دهد که سختی محاسباتی مسئله ی ترکیب WS از شروط کلی Qos نشات می گیرد وقتی که الزامات Qos به عنوان شروطی برای بهینه سازی باشند مسئله حتی برای شروط غیر خطی به سادگی حل می شود.

علی­پور و بابازاده شاره(۱۳۹۵) در پژوهشی به بررسی ترکیب سرویس­های وب پرداختند، ­ وب سرویس ها یکی ازتکنیک های اصلی برای طراحی و ساخت برنامه های کاربردی تجاری پیشرفته می باشد و باتوجه به نیازهای روزافزون سازمان ها و کاربران بهسرویسهای جدید برای رفع نیازهای خود توسط سرویسهای وب تحت ترکیب آنها به میان می اید زیرا این عاقلانه نمی باشد که برای هر نیاز سازمان یا کاربر سرویس جدیدی را تولید کند امروزه معماری سرویس گرا به عنوان یک رویکرد مناسب برای افزیاش کارایی سیستم ها مورد توجه قرارگرفته است این معماری به عنوان رهیافتی برتر درحوزه معماری به سازمان ها کمک می کند تا­بتوانند نیازمندی­های کسب و کار خودر ا با سرعتی هرچه بیشتر با فناوری اطلاعات تطبیق داده و نسبت به تقاضای بازار واکنش مناسب شان دهنده با رویکرد سرویس گرا می­توان راه حلهایی را ارایه داد که به مرز دامنه های سازمان شرکت یا دپارتمان محدود نیستند این معماری توسط وب سرویسها پیاده سازی میشود درواقع این وب سرویسها هستند که امکان تبادل بین کامپیوتر ها را دریک محیط ناهمگن که از سیستم های مختلفی تشکیل شده ممکن می­سازد ازطرفی سرویسهای ساده اغلب قادر به پاسخگویی به نیازهای کرابران نیستند بنابراین نیاز به ترکیب سرویسهای وب درجهت افزایش کارایی آنها و انجام خدمات پیچیده تر ازمباحث مهم درزمینه وب سرویسها می باشد.

شیوندی و عمادی(۱۳۹۵) در پژوهشی به بررسی استفاده از گراف رنگ آمیزی اصلاح شده در انتخاب و ترکیب خودکار وب­سرویس­ها پرداختند، رکیب سرویس خودکار می تواند به طور پویا و اتوماتیک، سرویس هایی با مقادیر جدید را از سرویس های موجود در معماری سرویس گرا بسازد. با این حال، با وجود پیشرفت های قابل توجه، درک مقیاس وب به دلیل مسائل و چالش های متعددی همچون مقیا سپذیری ضعیف، افزایش نمایی زمان جستجو در فضاهای جستجوی بزرگ، و فقدان مقیاس پذیری سرویس ها به خاطر انزوای آ نها، به طور قابل توجهی کمتر از میزان پیش بینی شده است. قبل از ترکیب سرویس ها با یکدیگر مهم ترین مسئله برای پیدا کردن نمونه سرویس های کاندید مطلوب، مطابقت آن سرویس ها با نیازمندی های غیر وظیفه مندی می باشد .پس چگونگی طراحی یک روش کارآمد جهت ترکیب زنجیره ای از سرویس های متصل بهم مهم می باشد. این مقاله رویکردی برای ترکیب خودکار سرویس های آگاه از کیفیت سرویس و همچنین استفاده از سلایق کاربران در رسیدن به نتیجه ترکیب بهینه ارائه می دهد. بدین منظور از روش پیشنهادی گراف رنگ آمیزی اصلاح شده برای فیلتر نمودن داده ها قبل از ایجاد ترکیبدر داده هایی با مقیاس بزرگ استفاده می شود که مجموعه سرویس های انتخابی را کاهش می دهد. همچنین استفاده از الگوریتم در این پژوهش باعث گردیده است تا چندین راه حل مناسب به کاربر ارائه شود تا در مواقع لزوم Key-Path-Based Loose از قابلیت جایگزینی این راه حل ها به جای بهترین ترکیب استفاده نماید . بنابراین نتایج حاصل از تحلیل و ارزیابی روشپیشنهادی، بهینه سازی مطلوبی در زمان اجرا و مصرف حافظه نمایان می سازد.

همتیان و عمادی(۱۳۹۵) در پژوهشی به روش­های جایگزینی سرویس به منظور ترکیب سرویس­ها پرداختند. با کشف و گسترش سرویس های وب ، یک سازمان میتواند سرویسهایی را که بیشتر نیازهای تجاری و خدمات کیفی آن ( QoS ( را برآورده میسازند ، انتخاب کرده و ترکیب کند. همزمان که تعداد سرویسهای وب موجود افزایش مییابد ، انتخابمناسبترین سرویسها برای یک عمل مفروض چالشبرانگیزتر میشود. مشخصات QoS نقش مهمی را در انتخاب وترکیب سرویس ها ، ایفا میکند. هنگام ترکیب سرویسها در یک جریان کاری یا برنامه برای انجام پیوستهی یک فرایند تا یک نتیجهی نهایی ، سرویسها باید با توجه به ورودی ، خروجی ، وظایف، برای یک تعامل موقتی که میتواند با موفقیت وظیفه یاوقفه موردنظر را کامل کند ، سازگار باشند . QoS برنامه به انتخابهای سرویس های مختلف برای این تعاملات مشخص شده بستگی دارد. مشکل اصلی این نوع ترکیب سرویس آن است که مقادیر QoS میتوانند در زمان اجرا از تخمینهای اولیه تغییرکنند. سرویس ممکن است خارج از دسترس و غیرقابل اطمینان شود یا دیگر مناسبترین راهحل را ارائه ندهد. یکی از راهکارهای حل این چالش، جایگزینی یک سرویس وب با سرویس دیگراست . هدف این تحقیق مرور روش های مختلف موجود برای جایگزینی سرویس و مقایسه آن ها است.

روشن و نعمت­بخش(۱۳۹۵) در پژوهشی به بررسی ترکیب بهینه سرویس­های وب مبتنی بر ویژگی­های کیفی سرویس پرداختند، در سال های اخیر یکی از فناوری هایی که در سازمان های رو به رشد، به سرعت درحال توسعه است، استفاده و به کارگیری از وب سرویس ها است، که دراین بین استفاده از وب سرویس های مرکب از اهمیت زیادی برخوردار خواهد بود. هدف از ترکیب وب سرویس ها تعیین یک ترکیب مناسب با توجه به درخواستی از کاربران است که نمی توانند به وسیله یک وب سرویس منفرد برآورده گردند. در طی این فرآیند ترکیب، سرویس های کاندید زیادی با ویژگی های عملکردی یکسان خواهیم داشت که در ویژگی های غیر عملکردی متفاوت خواهند بود ازاین رو کیفیت سرویس یکی از عوامل مهم در تشخیص و انتخاب وب سرویس ها است. در این مقاله تلاش بر آشنایی بیشتر با وب سرویس ها و لزوم استفاده از وب سرویس مرکب مبتنی بر کیفیت سرویس در برنامه های کسب وکار داشته و بدین منظور با توصیف سه مرحله فرآیند ترکیب وب سرویس ها به مقایسه و بررسی کارهای انجام شده در این زمینه خواهیم پرداخت.

اردکانی و همکارانش(۱۳۹۳) در پژوهشی به بررسی الگوریتم تطبیق­پذیر نوین در بهنیه­سازی ترکیب سرویس­های وب با استفاده از وابستگی معنایی سرویس­ها پرداختند، در این مقاله یک روشی نوین در تولید ترکیب سرویس های وب ارائه می شود. رویکرد ما استفاده از تشابهات معنایی بین پارامترهای ورودی و خروجی سرویس برای استخراج وابستگی ها می باشد. وابستگی های ورودی و خروجی استخراج شده با استفاده از گراف بیان می شوند. سپس ما راه حلی را برای بهینه سازی تلاش های محاسبه شده در ترکیب سرویس های وب براساس تئوری گراف ارائه می دهیم. نهایتاً ما در این مقاله طرح گراف و راهکاری براین اساس برای بهینه سازی ساخت سرویس های وب ارائه می دهیم که بررسی هایی را از لحاظ تشابه معنایی سرویس های محاسبه شده با طبقه بندی استدلال های خروجی و ورودی را در بر می گیرد. نتایج بدست آمده به این صورت است:مدل سازی سرویس وبی ترکیبی به وسیله یک نمودار وزین شده و جهت یافته که در آن وزن برآورد شده و خواص غیر عملی سرویس ها را به حساب آورده و تشابه معنایی بین آنها را مورد توجه قرار داده است. نهایتاً می توان از الگوریتم بهینه شده برای محاسبه کوتاهترین مسیر در زمان انتشار استفاده کرد.

براری و همکارانش(۱۳۹۳) در پژوهشی به ارائه ترکیب بهینه­ سرویس­های وب با استفاده از الگوریتم درهم آمیختن پرش قورباغه­ها پرداختند، یکی از به­روزترین مباحث مطرح در مهندسی نرمافزار معماری سرویسگرا است. در این معماری، سرویس کوچکترین منبع قابل فراخوانی می باشد. امروزه استفاده از تکنولوژی سرویس وب در ساخت برنامه های کاربردی مختلف، درحال افزایش است. مهمترین مزیت این تکنولوژی توانایی ترکیب سرویس ها است. ترکیب سرویس ها به کنار هم قرارگرفتن چند سرویس مستقل، جهت رسیدن به توانایی و قابلیت بیشتر اطلاق می شود. با افزایش تعداد ارائه کنندگان سرویسهای وب، تعداد زیادی سرویس وب با عملکرد یکسان و خواص غیرعملکردی متفاوت در وب منتشر شده اند. لذا برای یافتن ترکیبی با بهترین کیفیت، بررسی تمام حالات ممکن فرآیندی زمانبر بوده و در دسته مسائل NP-Hard به شمار می­آید. از طرف دیگر، باید توجه کرد برخی از این سرویس ها با یکدیگر ناسازگار بوده و نمی توانند دریک ترکیب شرکت نمایند. این مقاله روش جدیدی مبتنی بر الگوریتم فراابتکاری درهم آمیختن پرش قورباغه ها (SFLA) برای مسئله یافتن ترکیب بهینه سرویسهای وب با در نظر گرفتن ناسازگاری میان سرویس ها ارائه می دهد. نتایج حاصل از اجرای شبیه سازی روش پیشنهادی، بالا بودن کیفیت راه­حل پیدا شده و بهینه بودن الگوریتم پیشنهادی نسبت به سایر الگوریتم های فراابتکاری را نشان می دهد.

حاجی­علی اصغر و عمادی (۱۳۹۴) در پژوهشی به ارائه یک ترکیب وب سرویس در مقیاس بزرگ با الگوریتم TOP-k به صورت موازی ارائه می­دهند، امروزه استفاده از وب سرویس ها به طور چشمگیری افزایش یافته است اما به تنهایی وب سرویس ها قادر به پاسخگویی نیازهای کاربران نیستند لذا باید چندین وب سرویس با هم ترکیب شوند. در زمان ایجاد یک ترکیب وب سرویس و سپس هنگام اجرای آن پس از یک درخواست کاربر، تعداد سرویس ها ممکن است زیاد باشد و تعداد وب سرویس ها به احتمال زیاد خیلی بیشتر خواهد بود. از طرف دیگر پارامتر کیفی یک عامل تعیین کننده برای اطمینان از رضایت کاربر می باشد اما کاربران مختلف ممکن است نیازهاو تنظیمات مختلف با توجه به QoS هایشان داشته باشند. از آنجا که وب سرویس در محیط بسیار متغیر وب اجرا می شود. در نتیجه QoS آنها ممکن است به دلیل تغییرات داخلی یا تغییرات در محیط خود در طول اجرای یک ترکیب سرویس تغییر کند، در نتیجه یک طرح هوشمند برای ترکیب سرویس مورد نیاز است.

هاشمی پور و عمادی(۱۳۹۴) در پژوهشی به بررسی ترکیب سرویس­های وب آگاه از محدودیت پرداختند، روشهای به کارگرفته رفته در ترکیب سرویسهای وب؛ اغلب ترکیب سرویسها را بدون در نظر گرفتن محدودیتهای سرویس و تنها براساس انطباق ورودی و خروجیهایشان انجام میدهند در این تحقیق برای اعمال محدودیتها در ترکیب سرویسها از دو مفهوم جدید کثرت و گسترش سرویس استفاده شده است که یکی حاوی ویژگی های عملکردی و دیگری ویژکی های غیر عملکردی سرویس از قبیل محدودیت سرویس است با استفاده از این مفهوم میتوان یک روش آگاه از محدودیت ارائه کرد.

هداینی و عمادی(۱۳۹۴) در پژوهشی به بررسی ترکیب سرویس­های مبتنی بر الگوریتم بهینه سازی ازدحام ذرات پرداختند، امروزه معماری سرویس گرا به عنوان یک راه حل امیدبخش و موثر برای ساخت برنامه های کاربردی سازمان شناخته میشود که ازعملیات کسب کار به عنوان یک مجموعه سرویس خوش تعریف پشتیبانی می کند سرویسهای وب نیزیکی ازروشهای پیاده سازی مفهوم سرویس گرایی است انتخاب ارزیابی و ترکیب سرویسها ازجمله فعالیت های کلیدی است که درفازهای مختلفی درچرخه حیات معماری سرویس گرا انجام میشوند انتخاب سرویسهای ارزشمند به علت وجود سرویسهای زیاد و همچنین داشتن ضوابط گوناگون درفرایند انتخاب کار مشکلی است همچنین با گسترده شدن وب ازنظر اندازه و تنوع سرویس دهندگان مختلف سرویسهای متفاوت باعملکرد یکسان ارایه میدهند اما این سرویسها کیفیت متنوعی دارند و دراغلب موارد یک سرویس منفرد قابلیت پاسخ گویی به تقاضای پیچده کاربران را ندارد بنابراین ترکیب سرویسها برای فراهم نمودن سرویسهای مرکبی که به خواسته کاربر نزدیک باشد همچنین بدست آوردن ترکیب یکه بهترین عملکرد را داشته باشد جز مباحث مهم درزمینه وب سرویسها می باشد که درفازهای مختلفی درچرخه حیات معماری سرویس گرا انجام میشود این پژوهش به دنبال یافتن روشی پویا برای بهبود ویژگیهای کیفی درانتخای و ترکیب سرویسهای وب میباشد گرچه تحقیقات متعددی درزمینه ترکیب سرویسها انجام شده است.

همتی و عمادی(۱۳۹۴) در پژوهشی به ارائه الگوریتمی به منظور انتخاب ترکیبی از سرویس­های مبتنی بر ویژگی­های سرویس و الگوریتم کوله­پشتی در معماری­های سرویس­گرا پرداختند، نیاز به ترکیب سرویسهای وب نتیجه نیازهای پیچیده و رو به افزایش کاربران و ناتوانی سرویسهای وب منفرد در برآورده ساختن اهداف کاربر است. یکی از چالش­های بسیار مهم در زمینه­ی سرویسهای وب، انتخاب و ترکیب سرویس­های وب با درنظرگرفتن کیفیت آنهاست. در این تحقیق، برای یافتن ترکیب بهینه سرویسها بر اساس ویژگی کیفی ترکیب پذیری از استراتژی محلی و سراسری استفاده میشود. این الگوریتم ابتدا سرویسهایی با میزان ترکیب-پذیری پایین را حذف کرده (استراتژی محلی)، سپس از بین ترکیبهای باقیمانده، بهترین ترکیب را بر اساس پارامترهای کیفی پیدا میکند. الگوریتم پیشنهادی در استراتژی محلی سرویسهایی که میزان ترکیب پذیری بیشتر از حد آستانه داشته­باشند را انتخاب میکند و استراتژی سراسری نیز به منظور بهینه­سازی سرویس مرکب بر اساس ویژگیهای کیفی از الگوریتم کولهپشتی ۱ ۰ استفاده میکند. پیاده سازی و تحلیلها نشان میدهد که الگوریتم – پیشنهادی، ارائه سرویس مرکب کلی بهینه را از دید کاربر تضمین میکند. همچنین نتایج تحلیلها بهینه بودن الگوریتم­های پیشنهادی محلی و سراسری را نسبت به روشهای موجود نشان میدهد.

چن و همکارانش(۲۰۱۶) در پژوهشی به بررسی و ارائه یک روش ترکیب وب سرویس با استفاده از بهینه­ساز چند هدفه و انعطاف پذیر مبتنی بر QOS پرداختند، یکی از روش­های که روز به روز به محبوبیت آن در سطح جهانی افزایش پیدا می­کند تولید ابر توسط ترکیب سرویس­های وب از طریق اینترنت است. این امر تاثیر فوق­العاده­ای در اطلاعات شرکت­های استفاده کننده داشته است و باعث شده پیشرفت بیشتری داشته باشند. یکی از مشکلاتی که در این موضوع وجود دارد انتخاب وب سرویس مناسب برای هر جزء از یک ترکیب سرویس از میان حجم زیادی خدمات که عملکرد یکسانی دارند است. روش پیشنهادی در این مقاله یک روش ترکیبی با نام QWSC است که یک روش بهینه­سازی چند هدفه است. این روش برای کمک به کاربران برای اتخاذ یک تصمیم قابل انعطاف می­باشد. در این روش یک مدل بهینه سازی چند هدفه است که در آن عملکرد QOS و یا خطر QOS هدف بهینه سازی این روش می­باشد. نتایج تجربی در این روش نشان می­دهد که اثر بخشی و کارایی روش پیشنهادی برای رفع مشکلات پیش رو در مقیاس بزرگ بهبود یافته است.

گابریل و همکارانش(۲۰۱۵) در مقاله­ای به بررسی خدمات وب ترکیب مشکلات و پیچیدگی­­ها آن­ها را مورد بررسی قرار گرفته است، خدمات وب سرویس یک خدمت ماژلار قابل فراخوانی است، این قابلیت به ترکیب ویژگی­های سرویس و تولید سرویس­های جدید با قابلیت­های جدید و در نتیجه خدمات بهتری ارائه می­شود. در آگاه سازی کیفیت سرویس برای انتخاب آن­­­ها یک انتخاب بهینه چند هدفه است مانند قیمت مناسب و یا مدت زمان پاسخ­گویی. این مشکل انتخاب یک مسئله np-harde است که در این پژوهش با استفاده از یک روش کوله­پشتی چند بعدی استفاده می­شود. در این روش پیچیدگی­های دقیق­تری در رابطه با ساختار ترکیب و تجزیه­ و تحلیل نتایج مورد بررسی قرار می­گیرد. مشکلات انتخاب و ترکیب زمانی که چندین انتخاب با QOS وجود داشته باشد بیشتر نیز خواهد بود. برای حل مشکلات انتخاب و ترکیب کی برنامه صحیح و مرکب خطی جدید برای نشان دادن مشکل و حل آن بر اساس متغییرها و محدودیت­ها ارائه شده است. نتایج حاصل از آزمایشات نشان می­دهد که روش پیشنهادی در مسائل گسترده و اندازه بزرگ به درستی جواب می­دهد.

یو و همکارانش (۲۰۱۵) در پژوهشی به بررسی الگوریتم بهینه سازی کلونی مورچه برای اعمال ترکیب­های سرویس پرداختند، با توجه به این­که تحولات بسیار گسترده­ای در حوزه محاسبات ابری و معماری­های مبتنی بر سرویس خدمات بسیار زیادی را در دسترس کاربران قرار داده است، به دلیل کاربردهای زیادی که وب سرویس­ها پیدا کردند به تازگی ترکیب وب سرویس­ها به شدت افزایش پیدا کرده­اند، با این حال، بسیاری از روش­های ترکیب وب سرویس سنتی محدودیت­های بسیاری دارند. یکی از چالش­های بزرگ در این زمینه پیدا کردن ترکیب مناسب در سراسر سرویس­ها می­باشد. در این مقاله، یک الگوریتم حریصانه به نام WSC و یک الگوریتم بر اساس بهینه­سازی کلونی مورچه با الگوریتم قبلی ترکیب شده که ما نام آن­را ACO-WSC می­گذاریم که با استفاده از آن تلاش می­کنیم که یک ترکیب از میان سرویس­های موجود به دست آید. نتایج تجربی در این پژوهش نشان می­دهد که روش پیشنهادی در پیدا کردن یک ترکیب مناسب بسیار موثر است.

استورمن و همکارانش(۲۰۱۵) در پژوهشی به بررسی استفاده از کیفیت سرویس در انتخاب موثر برای ترکیب وب سرویس­های گردش گری و مسافرتی پرداختند، حزوه گردشگری پیشرفت­­­های بسیار زیادی کرده است و دامنه آن گسترده شده است. گردشگری یک نوعی از سفر است که برای سپری کردن اوقات فراغت در یک دوره زمانی کوتاه صورت می­گیرد. بزرگترین مشکلی که در این صنعت وجود دارد دسترسی به منابع حوزه گردشگری مانند اماکن گردشگری، هتل­ها، خطوط هوایی و غیره است. در این زمینه نرم افزارهای تحت وب سرویس نقش حیاتی را بازی می­کنند. نرم­افزارهای تحت وب سرویس که از مجموعه­های وب سرویس تشکیل شده اند یک فن­آوری نوظهور می­باشند. این وب سرویس­ها عموما از پروتکل­های SOAP و XML پشتیبانی می­کنند. از این سیستم­ها برای ذخیره­سازی، دستکاری، کشف، کنترل هر نوع داده­­ها در فضاهای مختلف مورد استفاده قرار می­گیرد. در این مقاله با استفاده از منابع موجود سعی بر ترکیب وب سرویس­های خدماتی در حوزه گردشگری می­کنیم. الگوریتم پیشنهادی ادغام شده با نرم افزار GIS به تولید رابط­­های تعاملی برای گردشگری و سفر می­انجامد.

وانگ و همکارانش(۲۰۱۵) در پژوهشی به بررسی ترکیب وب­سرویس­های در یک محیط ابری با استفاده از یک روش مبتنی بر ژنتیک پرداختند، خدمات وب­سرویس مستقل کوچک را می­توان با روش­های ترکیب وب سرویس در یک معماری سرویس­گرا به سرویس­های بزرگ با ارزش افزوده بیشتر تبدیل کرد. با ظهور خدمات محاسبات ابری، خدمات بیشتری بر روی بستر وب قابل انجام است که خروجی­های یکسانی دارند اما در عملکرد داخلی متفاوت هستند. علاوه بر این موضوع، محاسابت ابری یک شیوه توزیع جدید جغرافیای را ارائه داده است که باعث بالاتر رفتن تاثیر شبکه بر روی کیفیت سرویس در خدمات سرویس­­های مرکب شده است. یکی از مشکلاتی که این حوزه به وجود آمده است، چگونگی انتخاب بهترین خدمات از میان نامزدهای قابل انتخاب است. در این مقاله یک مدل ترکیبی بر اساس کیفیت سرویس­ها و محیط ابر در نظر گرفته می­شود. این رویکرد ترکیب وب سرویس بر اساس الگوریتم ژنتیک است که از میان ارائه دهندگان خدمات برای به حداقل رساندن نقص­های ترکیب ارائه می­شود.

رامیرز و همکارانش(۲۰۱۷) در مقاله­ای به بررسی یک ترکیب تعاملی از خدمات وب­سرویس­­ها بر اساس کیفیت آن­­ها پرداختند، نرم­افزارهای کاربردی مبتنی بر وب سرویس اغلب توسط اشخاص سومی فراخوانده می­شوند و مورد استفاده قرار می­گیرند. کیفیت سرویس ارائه شده توسط منابع در شرایط توافقنامه سطح خدمات مشخص شده است می­تواند در جنبه­های زیادی مانند هزینه یا توان سرویس­­ها بسیار کمک کند. در این سناریو، سیستم­های هوشمند می­تواند به منظور انتخاب از میان نامزدها انتخاب مناسبی با تمرکز بر جنبه­­­­های مختلف کیفیت سرویس باشد. این مشکل جستجو، برای ترکیب وب­سرویس­های که از QOS آن­­ها آگاهی دارند برای بهینه­کردن ترکیب بسیار مفید است. با این وجود، استفاده از خواص کیفیت سرویس در فاز طراحی و استفاده از عوامل تصمیم­گیری برای این موضوع است که یکی از مشکلات برای پیدا کردن بهترین و مناسب­ترین نامزد برای ترکیب و جایگزین­ها را مرتفع می­کند. در این مقاله به بررسی الگوریتم­های تکاملی چند هدفه برای پرداختن به مشکل ترکیبات وب سرویس­ها بر اساس ۹ خواصیت کیفیت سرویس پرداخته می­شود. با انجام مطالعات و آزمایش­ها نشان می­دهد که روش پیشنهادی، می­تواند بهترین انتخاب را بین تمامی سرویس­ها بر اساس خواص کیفیت سرویس انتخاب کند. علاوه بر این نتایج به­دست آمده می­تواند یک فرایند پشتیبانی از تصمیم­گیری­ها در زمینه محاسبات سرویس­گرا باشد.

لی و همکارانش(۲۰۱۶) در پژوهشی به بررسی استفاده از الگوریتم SLO و کاربرد آن در ترکیب وب­سرویس­ها بر اساس کیفیت سرویس پرداختند، با استفاده از روند تکاملی هوش انسان و نظریه یادگیری اجتماعی یک الگوریتم هوش اجتماعی به نام بهینه­سازی یادگیری اجتماعی ارائه شده است. این الگوریتم شامل سه فضای تکامل مشترک است: فضای پایینی (میکرو) که در آن کامل ژنتیکی رخ می­دهد. فضای میانی(یادگیری) که در آن با استفاده از یادگیری تقلیئ و یادگیری شباهت افراد هوش خود را افزایش می­دهند. در این لایه دانش استخراج و به لایه بالا تحویل داده می­شود. لایه بالایی(باور) که در آن فرهنگ از طریق انباشت دانش برای هدایت و تکامل ژنتیک افراد در لایه میکرو استفاده می­شود.این الگوریتم یک روش برای حل مسائل بهینه سازی است. در این مقاله برای حل مشکل ترکیب سرویس­ها در فضای ابری با استفاده از کیفیت سرویس­ آن­ها از این الگوریتم استفاده می­شود. در نهایت نتایج تجربی و عملکرد مقایسه­ای نشان می­دهد که روش پیشنهادی بسیار موثر و کارآمد است. این مدل یک جستجوی بهتر با نرخ همگرایی بیشتر و گسترده تر را فراهم می­کند.

جین و همکارانش(۲۰۱۶) در پژوهشی به بررسی و ارائه یک روش رتبه بندی فازی برای ترکیب وب­سرویس­ها با استفاده از کیفیت سرویس پرداختند، خدمات وب یک روش عمومی برای ساخت سیستم­های توزیع شده است. ترکیب سرویس­ها با استفاده از آگاهی آن­ها از کیفیت سرویس یک مسئله و چالش در انتخاب وب سرویس­های کاندیدا است. در این روش با استفاده از عدم اطمینان کیفیت سرویس­ها محاسبه می­کنیم. در این مقاله ما یک روش عدم قطعیت برای رویکرد ترکیب وب­سرویس­ها بر اساس کیفیت آن­ها ارائه می­دهیم. انجام این ارزیابی برای بهه دست آوردن یک ثبات در انتخاب کیفیت سرویس با استفاده از راه فازی و همچنین یک راه حل مناسب و برای پیدا کردن کیفیت مناسب است. در این پژوهش یک روش تصمیم­گیری چند معیاره تجزیه و تحلیل بهبود یافته با استفاده از الگوریتم ژنتیک معرفی می­شود و در نهایت با استفاده از داده­های دنیای واقعی مورد شبه سازی قرار می­گیرد. نتایج نشان می­دهد که روش یشنهادی در مقایسه با روش­های سنتی تر بسیار موثر تر بوده است.

زو و همکارانش(۲۰۱۴) در مقاله­ای به ارائه یک روش ترکیب پویا از خدمات وب با استفاده از یک برنامه ریزی کارآمد در مقیاس بزرگ پرداختند، خدمات مبتنی بر وب به عنوان یک نرم­افزار مستقل توسط ارائه دهندگان خدمات از طریق اینترنت منتشر شد و توسط کاربران با توجه به ویژگی­های مورد نظر خود احضار می­شود. در این روش برای طراحی از یک روش کارآمد برای نوشتن زنجیره­ای از خدمات متصل استفاده می­شود. به تازگی، تحقیقات زیادی به منظور کاهش زمان جستجو برای پیدا کردن وب­سرویس­های ترکیبی انجام شده است. با این حال، بسیاری از روش­ها مدت زمان طولانی را برای پیدا کردن خدمت مناسب در یک مخزن وب سرویس صرف می­کنند، بنابر این زمان پاسخ روش­ها به درخواست یک کاربر بسیار با تاخیر است. در این مقاله یک روش کارآمد برای جستجوی خودکار بین خدمات وب با استفاده از هوش مصنوعی برنامه ریزی شده که در آن ترکیب وب سرویس به عنوان یک مشکل مورد نظر است ارائه شده است. بر خلاف بسیاری از روش­های سنتی که در آن ترکیب وب سرویس از یک مخزن سرویس­ها استفاده می­شود از یک مخزن خدمات با دامنه برنامه­ریزی استفاده می­شود. نتایج نشان می­دهد که زمان پاسخ­گویی و بهبود برای حل مشکل ترکیب بسیار بهینه شده است و نتایج آن از هر روش ترکیبی دیگری بهتر است.

استوکل و همکارانش(۲۰۱۶) در مقاله ای به بررسی نتخاب بهترین سرویس با توجه به معیارهای امنیتی با استفاده از روش های تحلیل سلسله مراتبی و هدف پرداختند ،امروزه انتخاب بهترین سرویس برای هدفی خاص به امری سخت و پیچیده تبدیل گردیده است. دلیل این امر وجود سرویس های متعدد با عملکرد برای یک هدف خاص مشابه است. انتخاب سرویس مناسب از میان سرویس های مختلف می تواند به عنوان یک مسئله ی تصمیم گیری در نظر گرفته شود. در تحقیقات پیشین، انتخاب و رتبه بندی سرویس ها با استفاده از مقایسه ی خصوصیات وظیفه مندی و یا خصوصیات غیروظیفه مندی یک سرویس انجام پذیرفته است. در این مقاله، انتخاب سرویس به معیارهای امنیتی محدودشده و برای این کار از روش های«تحلیل سلسله مراتبی» و«هدف، سوال، اندازه گیری» استفاده شده است. روند تصمیم گیری در رابطه با انتخاب سرویس به صورت محاسباتی و نظرسنجی از خبرگان انجام می پذیرد. قابلیت اجرای راه حل ارائه شده در این مقاله با استفاده از یک مطالعه ی موردی در رابطه با سرویس های بانک داری الکترونیکی نشان داده شده است.

گیلفیکس و یولریچ (۲۰۱۶) در مقاله ای به  مروری بر روشهای انتخاب سرویس در مدل رایانش ابری پرداختند،محاسبات ابری یک الگوی در حال ظهور است که در آن، منابع محاسباتی به صورت سرویسهای مبتنی برتقاضاارایه شده است این مدل سازمانها را از داشتن زیرساختهایی برای انجام محاسبات قدرتمند و بزرگمقیاس بینیاز میکند، زیرا سازمانها میتوانند در صورت نیاز،

 منابع مورد نیاز خود را از طریق اینترنت با روش استفاده در ازای پرداخت تهیه نمایند، که سبب کاهش هزینههای هنگفت تأسیس و پشتیبانی این زیرساختها برای سازمان ها می شود. در محاسبات ابری همه چیز به عنوان سرویس تحویل داده می شود، پس بدون شک در انتخاب یک سرویس،

کیفیت بسیار مهم می باشد باهرسرویس حدأقل تضمین هایی باید وجود داشته باشد تا سطح معینی از عملکرد تأمین شود. با ظهور انواع تولیدکنندگان سرویس ابر، انتخاب مناسب ترین سرویس برای کاربر از اهمیت زیادی برخوردار شده است. با توجه به انبوه ارایهدهندگان خدمات ابری، یکی از مساشل مهم در ای زمینه، انتخاب سرویس متناسب با تقاضای کاربر میباشد. در این مقاله، مروری بر روشهای انتخاب سرویس در سیستمهای رایانش ابری خواهیم داشت و مزایا و معایب هر روش را بررسی خواهیم کرد.

رویز و ریبرا (۲۰۱۶) به بررسی رتبه بندی سرویسهای وب بر حسب تطابق ویژگیهای کیفی آنها با ویژگیهای روانشناسی کاربر پرداختند،رتبه بندی وب سرویسها یکی از پرچالشترین مباحث روز میباشد. چرا که انتخاب یک وب سرویس مناسب که بتواند تمامی نیازهای کاربر را برآورده نماید کار دشواری است ،

 هر کاربر بنابر شخصیت خود انتظارات و علایق متفاوتی دارد از این رو باید روشی اتخاذ گردد که تاثیر شخصیت هر فرد بر انتخابش را به دست آید. در این مقاله بنابر شخصیت کاربر مدلی از رتبه بندی براساس ویژگی های شخصیتی کاربر و کیفیتی وب سرویسها را ارائه خواهیم داد که پس از تحلیل شخصیت کاربر بتواند یک نمونه شخصی سازی شده از سرویسها را برای آن شخصیت خاص به نمایش بگذارد. نتایج ایده پیشنهادی نشان می دهد این روش در برخی از خدمات ارائه شده ، توانسته است انتظارات کاربران را برآورده نماید.

ژوا و همکارانش(۲۰۱۶) در مقاله ای به بررسی QOS و بررسی و  برآورد آن با استفاده از متن کاوی پرداختند. برآورد QOS یکی از مشکلات کلیدی در توصیه و انتخاب وب سرویس ها هستند. اطلاعات زمینه غالب موثر بر کیفیت سرویس است ، اما توسط بسیاری از فعالیت ها نا دیده گرفته می شود. در اینجا با استفاده از اطلاعات زمینه چه از سمت کاربر و چه سمت ارائه کننده سرویس برای رسیدن به براورد بهتری از کیفیت سرویس استفاده می کنیم .همچنین دو مدل برای براورد ،که قادر به استفاده از اطلاعات زمینه در کاربران و ارائه دهنده سرویس است پیشنهاد می کنیم. در سمت کاربر، از اطلاعات جغرافیایی به عنوان اطلاعات زمینه کاربر ، و شناسایی همسایگان مشابه از روی شباهت متنی استفاده می کنیم. و بین روابطه نقشه برداری و ارزش تشابه و فاصله جغرافیایی مطالعه می کنیم.در سمت ارائه کننده سرویس، ما وابستگی اطلاعات از جمله وابستگی کشور و وابستگی کشور و وابستگی شرکت را به عنوان اطلاعات زمینه ثبت می کند .

 وانگ و همکارانش(۲۰۱۵) در مقاله ای به بررسی انتخاب درایور های QOS  در خدمات وب پرداختند،هدف از این مقاله ارائه روشی برای انتخاب خدمات وب در طول فرآیند ساخت یک ارکستراسیون / ترکیب،بر اساس کیفیت خدمات و ویژگی های آنها است . پیشنهاد خاص ما ،در نظر گرفتن الویت های تصمیم گیرنده ،با هدف تضمین ثبات و انتخاب تنظیمات است. خدمات ترکیبی دارای وظایف متعددی هستند که می توانند توسط یک گروه خدمات انجام شوند.سپس بهینه سازی برای انتخاب یک سرویس برای وظیفه به طوری که تابع ارزیابی بتواند بهینه شود.با توجه به تصمیم گیری گروهی مرسوم ،فرآیند TOPSIS باید برای تصمیم گیرندگان ماتریس تصمیم گیری ساخت.هنگامی که کاندیدای خدمات وب سرویس در دسترس نیست و یا کاندیدایی جدیدی پدیدار می شود.گزینه های تغییر به وجود می آید که به این معنی است که تصمیم گیرندگان باید تعداد زیادی از ارزش های شان را بازنشانی کنند.در این مقاله یک GDWSS ، ارائه می شود.

راجسواری و همکارانش (۲۰۱۴) در مقاله ای به بررسی و ارزیابی و تجزیه تحلیل ترکیب های مختلف وب سرویس پرداختند .وب سرویس ها برنامه های کاربردی اینترنت را فعال می کنند و برای انجام و نیاز های کسب و کار،به عنوان پلت فرم مستقل در نظر گرفته می شند.

ترکیب وب سرویس ها خدمات جدیدی را از طریق مجموعه ای از خدمات موجود با ارائه قابلیت ها و قابلیت همکاری ایجاد می کند.مسئله پژوهش در وب سرویس ها این است که برای بدست آوردن بهترین خدمات و برآوردن نیاز های کاربر این خدمات بر اساس QOS ترکیب شوند. در این مطالعه چالش های مختلف در پارامترهای QOS  برای ترکیب وب سرویس مورد بررسی قرار می گیرد .

منابع

محمدی, شهرام؛ محوبه شمسی و مصطفی قبائی آرانی، ۱۳۹۵، ترکیب سرویس های وب با استفاده از معادلات خطی، اولین کنفرانس بین المللی چشم انداز های نو در مهندسی برق و کامپیوتر، تهران

­ علی پور, سارا و مرتضی بابازاده شاره، ۱۳۹۵، بررسی ترکیب سرویسهای وب، سومین کنفرانس ملی توسعه علوم مهندسی، مازندران

شیوندی, سپیده و سیما عمادی، ۱۳۹۵، استفاده از گراف رنگ آمیزی اصلاح شده در انتخاب و ترکیب خودکار و بسرویس ها، چهارمین کنفرانس بین المللی علوم و مهندسی، ایتالیا-رم

همتیان چهارده چریکی, فروغ و سیما عمادی، ۱۳۹۵، مروری بر روش های جایگزینی سرویس به منظور ترکیب سرویس، کنفرانس بین المللی پژوهش‌های نوین در علوم مهندسی، تهران

روشن, محبوبه و ناصر نعمت بخش، ۱۳۹۵، ترکیب بهینه سرویس های وب مبتنی بر ویژگی های کیفی سرویس، دومین کنفرانس بین المللی وب پژوهی، تهران

قانعی اردکانی, مهدی؛ کورش کیانی و محمد دهقانی محمدآبادی، ۱۳۹۳، ارائه روش الگوریتیم تطبیق پذیر نوین در بهینه سازی ترکیب سرویس های وب با استفاده از وابستگی معنایی سرویس ها، کنفرانس ملی علوم مهندسی، ایده های نو

براری, مجتبی؛ حسن حقیقی و الهه قاسمی کمیشانی، ۱۳۹۳، ترکیب بهینه سرویس های وب با استفاده از الگوریتم درهم آمیختن پرش قورباغه ها، همایش ملی مهندسی رایانه و مدیریت فناوری اطلاعات، تهران

حاجی علی اصغر آجیل فروش, الهه و سیما عمادی، ۱۳۹۴، ترکیب وب سرویس در مقیاس بزرگ با الگوریتم TOP-K به صورت موازی، اولین همایش چشم انداز تکنولوژی کامپیوتر و شبکه در ۲۰۳۰، میبد یزد

هاشمی پور, امینه و سیما عمادی، ۱۳۹۴، ترکیب سرویسهای وب آگاه از محدودیت، سومین کنفرانس بین المللی پژوهشهای کاربردی در مهندسی کامپیوتر و فن آوری اطلاعات، تهران،

هدایتی, الهام السادات و سیما عمادی، ۱۳۹۴، ترکیب سرویس ها مبتنی برالگوریتم بهینه سازی ازدحام ذرات، اولین همایش ملی فناوری های نوین رایانه و توسعه پایدار، تهران

Khoshafian, S. (2016). Service oriented enterprises. CRC Press.

Liu, X., Ma, Y., Huang, G., Zhao, J., Mei, H., & Liu, Y. (2015). Data-driven composition for service-oriented situational web applications. IEEE Transactions on Services Computing, 8(1), 2-16.

Amazon, E. C. (2015). Amazon web services. Available in: http://aws. amazon. com/es/ec2/(November 2012).

Mitchell, L. J. (2016). PHP Web Services: APIs for the Modern Web. ” O’Reilly Media, Inc.”.

Chen, N., Zhang, X., & Wang, C. (2015). Integrated open geospatial web service enabled cyber-physical information infrastructure for precision agriculture monitoring. Computers and Electronics in Agriculture, 111, 78-91.

Elshater, Y., Elgazzar, K., & Martin, P. (۲۰۱۵, June). godiscovery: Web service discovery made efficient. In Web Services (ICWS), 2015 IEEE International Conference on (pp. 711-716). IEEE.

Christensen, K., Olesen, T. H., & Thomsen, L. L. (2015). Matching semantically described web services using ontologies. Information Technology And Control, 35(3).

Chattopadhyay, S., Banerjee, A., & Banerjee, N. (2015, June). A scalable and approximate mechanism for web service composition. In Web Services (ICWS), 2015 IEEE International Conference on (pp. ۹-۱۶). IEEE.

Obe, R. O., & Hsu, L. S. (2015). PostGIS in action. Manning Publications Co..

Wan, Z., Wang, P., Duan, L., Meng, F. J., & Xu, J. M. (2015). Graph Similarity based Cloud Migration Service Composition Pattern Discovery. International Journal of Web Services Research (IJWSR), ۱۲(۲), ۲۶-۴۶٫

You, D., & Chung, K. S. (2015). Quality of service-aware dynamic voltage and frequency scaling for embedded GPUs. IEEE Computer Architecture Letters, 14(1), 66-69.

da Silva, A. S., Ma, H., & Zhang, M. (۲۰۱۶). Genetic programming for QoS-aware web service composition and selection. Soft Computing, 20(10), 3851-3867.

Ding, Z., Liu, J., Sun, Y., Jiang, C., & Zhou, M. (2015). A transaction and QoS-aware service selection approach based on genetic algorithm. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 45(7), 1035-1046.

Chen, F., Dou, R., Li, M., & Wu, H. (2016). A flexible QoS-aware Web service composition method by multi-objective optimization in cloud manufacturing. Computers & Industrial Engineering, 99, 423-431.

Yu, Q., Chen, L., & Li, B. (2015). Ant colony optimization applied to web service compositions in cloud computing. Computers & Electrical Engineering, 41, 18-27.

Sethuraman, R., Sasiprabha, T., & Sandhya, A. (2015). An Effective QoS Based Web Service Composition Algorithm for Integration of Travel & Tourism Resources. Procedia Computer Science, 48, 541-547.

Wang, D., Yang, Y., & Mi, Z. (2015). A genetic-based approach to web service composition in geo-distributed cloud environment. Computers & Electrical Engineering, 43, 129-141.

Ramírez, A., Parejo, J. A., Romero, J. R., Segura, S., & Ruiz-Cortés, A. (2017). Evolutionary composition of QoS-aware web services: a many-objective perspective. Expert Systems with Applications, ۷۲, ۳۵۷-۳۷۰٫

Liu, Z. Z., Chu, D. H., Song, C., Xue, X., & Lu, B. Y. (2016). Social learning optimization (SLO) algorithm paradigm and its application in QoS-aware cloud service composition. Information Sciences, 326, 315-333.

Jian, X., Zhu, Q., & Xia, Y. (2016). An interval-based fuzzy ranking approach for QoS uncertainty-aware service composition. Optik-International Journal for Light and Electron Optics, 127(4), ۲۱۰۲-۲۱۱۰٫

Zou, G., Gan, Y., Chen, Y., & Zhang, B. (۲۰۱۴). Dynamic composition of Web services using efficient planners in large-scale service repository. Knowledge-Based Systems, 62, 98-112.

Stöckel, D., Kehl, T., Trampert, P., Schneider, L., Backes, C., Ludwig, N., … & Meese, E. (2016). Multi-omics Enrichment Analysis using the GeneTrail2 Web Service. Bioinformatics, btv770.

Gilfix, M. A., & Ulerich, R. D. (2016). U.S. Patent No. 9,229,726. Washington, DC: U.S. Patent and Trademark Office

Ruiz, J. Z., & Rubira, C. M. (2016). Quality of Service Conflict During Web Service Monitoring: A Case Study. Electronic Notes in Theoretical Computer Science, 321, 113-127

Yueshen Xua, Jianwei Yina, Shuiguang Deng, a, Neal N. Xiongb, Jianbin Huangc, Context-aware QoS prediction for web service recommendation and selection, Expert Systems with Applications, Volume 53, 1 July 2016, Pages 75–۸۶

Hei-Chia Wang, Wei-Pin Chiu , Suei-Chih Wu, QoS-driven selection of web service considering group preference, Computer Networks, Volume 93, Part 1, 24 December 2015, Pages 111–۱۲۴

M. Rajeswari, G. Sambasivam , N. Balaji , M.S. Saleem Basha , T. Vengattaraman , P. Dhavachelvan, Appraisal and analysis on various web service composition approaches based on QoS factors, Journal of King Saud University – Computer and Information Sciences, Volume 26, Issue 1, January 2014, Pages 143–۱۵۲

نظر شما

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پاسخ من را به ایمیلم ارسال کن

پرفروش ترین محصولات

جدید ترین محصولات


مشاوره می خواهید؟ ما همیشه آنلاین هستیم. در هر حوزه ای در تلگرام یا واتس آپ با شماره تلفن 09367938018 ارتباط بگیرید
+
مشاوره می خواهید؟ ما همیشه آنلاین هستیم. در هر حوزه ای در تلگرام یا واتس آپ با شماره تلفن 09367938018 ارتباط بگیرید
+