项目名称: 开放环境下服务组合的演化行为分析

项目编号: No.61202003

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 计算机科学学科

项目作者: 宋巍

作者单位: 南京理工大学

项目金额: 24万元

中文摘要: 服务组合被认为是云平台和物联网等开放环境下实现资源共享与应用互联的有效方式。然而,开放环境下服务组合的构造和执行难以一蹴而就,它需要在运行阶段进行自适应的演化以应对需求和环境的非预期变化。为保证服务组合自适应演化的顺利实施,需要在执行阶段对服务组合的演化行为进行有效分析。现有方法多基于控制流模型进行服务组合的行为分析,然而控制流模型存在数据信息缺失以及可能存在不必要的活动顺序关系的问题,这使得相关方法用于服务组合演化行为分析时存在一些不足。为克服这些不足,本项目拟研究基于服务组合程序依赖图的服务组合演化行为分析方法,力图在服务组合过程定义挖掘、服务组合相容性和可替换性判定、服务组合实例迁移有效性分析等方面取得进展与突破,并为这些方法和技术配备相应辅助工具和支撑平台以提供对服务组合自适应演化的技术支持。

中文关键词: 服务组合;演化;过程挖掘;过程一致性;迁移有效性

英文摘要: In the open environment such as the cloud platform and the Internet of things, service composition is regarded as an effective means of fulfilling resource sharing and application inter-connection. In these open environments, however, the construction and execution of a service composition cannot be accomplished at one stroke. It needs to be evolvable at runtime to adapt to unpredictable changes of the requirements and environments. In order to make the self-adaptive evolution of the service composition go smoothly, we need to effectively analyze its evolution behaviors at the runtime stage. Existing approaches to analyzing the behavioral properties of service compositions are mostly based on the control flow models of service compositions. However, the control flow models suffer from the problems of data information missing and probably some unnecessary activity sequence relations. Therefore, these approaches exhibit some deficiencies when they are used to analyze the evolution behaviors of service compositions. To overcome these deficiencies, this project plans to study the approaches to analyzing the evolution behaviors of service compositions based on the program dependence graphs. More specifically, we aim to make some progress in the following aspects: mining the service composition process definition, dec

英文关键词: service composition;evolution;process mining;process consistency;migration validity

成为VIP会员查看完整内容
1

相关内容

腾讯:2022年十大数字科技应用趋势
专知会员服务
80+阅读 · 2022年1月13日
【博士论文】开放环境下的度量学习研究
专知会员服务
46+阅读 · 2021年12月4日
专知会员服务
52+阅读 · 2021年10月1日
专知会员服务
34+阅读 · 2021年8月1日
专知会员服务
72+阅读 · 2021年4月8日
最新【图神经网络计算】2020综述论文,23页PDF
专知会员服务
192+阅读 · 2020年10月3日
图神经网络表达能力的研究综述,41页pdf
专知会员服务
169+阅读 · 2020年3月10日
【博士论文】开放环境下的度量学习研究
专知
7+阅读 · 2021年12月4日
【干货书】贝叶斯推断随机过程,449页pdf
专知
29+阅读 · 2020年8月27日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
(Python)时序预测的七种方法
云栖社区
10+阅读 · 2018年2月25日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Model Reduction via Dynamic Mode Decomposition
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
92+阅读 · 2021年5月17日
Do RNN and LSTM have Long Memory?
Arxiv
19+阅读 · 2020年6月10日
Arxiv
29+阅读 · 2020年3月16日
Arxiv
14+阅读 · 2018年5月15日
Arxiv
14+阅读 · 2018年4月18日
小贴士
相关VIP内容
腾讯:2022年十大数字科技应用趋势
专知会员服务
80+阅读 · 2022年1月13日
【博士论文】开放环境下的度量学习研究
专知会员服务
46+阅读 · 2021年12月4日
专知会员服务
52+阅读 · 2021年10月1日
专知会员服务
34+阅读 · 2021年8月1日
专知会员服务
72+阅读 · 2021年4月8日
最新【图神经网络计算】2020综述论文,23页PDF
专知会员服务
192+阅读 · 2020年10月3日
图神经网络表达能力的研究综述,41页pdf
专知会员服务
169+阅读 · 2020年3月10日
相关资讯
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
相关论文
微信扫码咨询专知VIP会员