领域本体服务组合的Petri网建模和非功能特性分析

随着经济全球化程度的加深和互联网的迅猛发展，信息、数据和业务的处理模式越来越体现出地域分布、松散耦合、异构整合、需求驱动、重用扩展等特点。为适应上述变化和需求，国内外研究人员基于动态重构和分布式的思想，开展了可重构软件体系结构的研究和开发工作，使软件具备松偶合、协同、分布自治、自描述、自适应的特点。在此基础上，进而发展了柔性工作流技术、网格计算、服务计算等新型计算模式和理论。近十年间，研究人员提出了一种基于互联网的全新的软件开发、部署和集成的模式，面向服务计算（Service-Oriented Computing）技术，以有效解决在分布、动态、异构环境下，数据、应用和系统集成的问题。特别是构建于语义网络上的领域本体（ontology service）服务，融合了传统服务组合收到工业界相关标准和执行引擎支持，和本体描述规范形式化、控制流语义支持、需求描述求精等优势，特别适合在当今海量数据和大数据、异构智能体软件、中间件无缝拼接、需求驱动的随需应变的背景下对服务的全生命周期功能和非功能特性进行描述、建模、验证、分析和预测。.然而，在上述背景下，领域本体服务的非功能特性分析的工作仍存在诸多难点。现有的相关工作重在形式化建模和性质验证，对复杂本体服务组合的量化特征（如可靠性、执行时间延迟、任务吞吐率、响应时间、可用性等），服务组合细粒度控制流建模，运行时可信性趋势预测等方面存在诸多不足。本项目综合运用Petri 网、随机过程与排队网络、协同过滤、时间序列分析等理论与方法，对构建于语义网络上的复杂本体服务和服务组合的非功能特性进行量化分析和预测。具体内容包括：1）运用随机Petri 网对的语义Web 服务组合进行细粒度定量建模，在不依赖状态分析前提下，提出基于结构等效约简的多指标可信性计算方法；2）对领域本体服务组合控制流中的原子调用、进程同步、互斥与异步、顺序/并发/选择/循环等活动模式进行随机化的操作语义描述，分析其对可信性的量化影响；3）对服务组合可信性历史数据进行时间序列建模和趋势预测；4）运用协同过滤方法对云服务缺失可信性数据进行分析；4）采集真实的复杂语义网络服务和服务组合的运行时数据，利用假设检验和置信区间的手段，对所提出的相关方法和模型的正确性和精确性进行检验。