劉蓉，李紅艷，楊長(zhǎng)興

(1. 長(zhǎng)沙醫(yī)學(xué)院 計(jì)算機(jī)系，湖南 長(zhǎng)沙，410219；2. 中南大學(xué) 信息科學(xué)與工程學(xué)院，湖南 長(zhǎng)沙，410083)

在服務(wù)計(jì)算環(huán)境中(或者云計(jì)算中)服務(wù)提供者將自身業(yè)務(wù)功能包裝為服務(wù)并對(duì)外發(fā)布，通常是服務(wù)代理(Service broker)將現(xiàn)有服務(wù)進(jìn)行組合，并將組合后的整體提供服務(wù)給客戶(或稱服務(wù)消費(fèi)者，Services consumption)，以實(shí)現(xiàn)服務(wù)價(jià)值的增值[1-3]。服務(wù)代理的一個(gè)最重要目標(biāo)是如何實(shí)現(xiàn)效益的最大化，即通過提供增值服務(wù)來獲得最大的經(jīng)濟(jì)效益。人們對(duì)服務(wù)選擇問題[4-10]進(jìn)行了大量研究。早期的研究主要關(guān)注如何從可選的服務(wù)集合中選取QoS高的服務(wù)，其思想是：若選擇的服務(wù)QoS高，則服務(wù)組合后整體的QoS也較高[11-13]。Zeng等[14-15]通過把可選擇服務(wù)的QoS束參數(shù)線性加權(quán)轉(zhuǎn)化為1個(gè)單目標(biāo)函數(shù)，轉(zhuǎn)化為1個(gè)值，從而避免了多維QoS間的比較問題。劉書雷等[6]提出了一種基于多目標(biāo)遺傳算法的QoS全局最優(yōu)服務(wù)動(dòng)態(tài)選擇(Global optimal of dynamic Web services selection,GODSS)算法[6]。相關(guān)的研究工作還有動(dòng)態(tài)規(guī)則算法、線性規(guī)則的方法[9]、基因算法[7]、PSO 算法、啟發(fā)式算法[8-10]等。在最近的研究中，可信服務(wù)組合的研究工作較多[3-7]。在對(duì)服務(wù)可信性的基礎(chǔ)上，對(duì)服務(wù)的QoS進(jìn)行重新計(jì)算是一種較好的方法。為此，李研等[5]提出了一種考慮QoS數(shù)據(jù)可信性的服務(wù)選擇方法。劉書雷等[6]采用模擬退火算法實(shí)現(xiàn)了如何從多個(gè)客戶中選擇使得系統(tǒng)收益最大的客戶提供服務(wù)。但是，這些研究往往是采用某一種優(yōu)化方法從當(dāng)前的服務(wù)中選取一些能夠當(dāng)前收益最大化的客戶來提供服務(wù)。但是，這種方法存在的關(guān)鍵問題是：

(1) 由于服務(wù)能力的限制，服務(wù)代理難以對(duì)所有服務(wù)提供服務(wù)，因而只能選擇對(duì)服務(wù)代理來說能夠創(chuàng)造收益最大的客戶。但是，如果一味地選擇對(duì)當(dāng)前來說能夠帶來最大收益的客戶并不一定是一種“好”的策略。因?yàn)檫@可能引起潛在的有價(jià)值的客戶得不到應(yīng)有的接納率，導(dǎo)致這些潛在的有價(jià)值的客戶流失。

(2) 由于網(wǎng)絡(luò)的復(fù)雜性，客戶往往只需要匿名就可以，因而，虛假的甚至惡意的客戶也很多，若不加以區(qū)別，往往會(huì)陷入對(duì)手或者攻擊者設(shè)計(jì)的圈套，從而不但不能得到較好的收益，反而會(huì)受到攻擊與損害。

為此，本文作者提出一種新的使收益最大化的客戶選擇策略。策略的目標(biāo)是使得服務(wù)代理能夠獲得長(zhǎng)期的收益最大化，而不僅僅使當(dāng)前的收益最大化。其基本思想是：首先建立服務(wù)代理與客戶之間的交互行為模型，依據(jù)交互的歷史情況來描述與判斷客戶的潛在價(jià)值，從更長(zhǎng)遠(yuǎn)的角度來考察客戶是否能夠帶來長(zhǎng)遠(yuǎn)的價(jià)值。如何判斷客戶的長(zhǎng)久價(jià)值是一個(gè)重要的問題。為此，采用一種新穎的方法，即：依據(jù)客戶的交互記錄來判斷客戶的潛在價(jià)值?？蛻舻臐撛趦r(jià)值的判斷是依據(jù)客戶在過去一段時(shí)間內(nèi)交互行為產(chǎn)生的價(jià)值來判斷的，然后，在很長(zhǎng)一段時(shí)間內(nèi)，來判斷接納此服務(wù)能夠帶來的效益，以及失去此客戶而減少的收益，從而綜合評(píng)價(jià)與選擇真正能夠帶來長(zhǎng)遠(yuǎn)收益的客戶。

此外，服務(wù)的可信性是服務(wù)代理能夠獲得穩(wěn)定收益的重要前提，為此，對(duì)每一個(gè)客戶依據(jù)交互情況給出1個(gè)風(fēng)險(xiǎn)評(píng)估值，依據(jù)風(fēng)險(xiǎn)評(píng)估值對(duì)客戶的價(jià)值進(jìn)行修正。修正的原則是；對(duì)于可信度高的客戶，風(fēng)險(xiǎn)評(píng)估的修正值與1接近；對(duì)于可信度低的客戶，風(fēng)險(xiǎn)評(píng)估的修正值與0接近?？蛻粜拚蟮膬r(jià)值為風(fēng)險(xiǎn)評(píng)估修正值與服務(wù)協(xié)商中標(biāo)定的收益的乘積。

1 系統(tǒng)模型與問題描述

1.1 服務(wù)模型

本文所采用的服務(wù)體系結(jié)構(gòu)與文獻(xiàn)[6]中所采用的服務(wù)體系結(jié)構(gòu)相同。在這樣的服務(wù)架構(gòu)中，來自互聯(lián)網(wǎng)中的客戶向服務(wù)代理申請(qǐng)服務(wù)組合，服務(wù)代理收到客戶的請(qǐng)求后，依據(jù)自己的資源情況，從互聯(lián)網(wǎng)中選擇合適的服務(wù)進(jìn)行服務(wù)組合后提供給客戶，并以此來獲得收益，如圖1所示。

圖1 服務(wù)體系結(jié)構(gòu)Fig.1 Services architecture

在服務(wù)代理對(duì)客戶提供服務(wù)時(shí)，服務(wù)代理需要與客戶進(jìn)行服務(wù)級(jí)別協(xié)商(Service level agreements,SLA)。將SLA具體化為一系列的服務(wù)級(jí)別, 每個(gè)級(jí)別規(guī)定服務(wù)質(zhì)量、價(jià)格等方面的參數(shù)[7,9]，并給出其收益規(guī)則(包括定價(jià)與罰金規(guī)則)，以支持基于SLA的服務(wù)組合。設(shè)服務(wù)代理A共有k個(gè)服務(wù)級(jí)別，定義為：

其中，第i個(gè)服務(wù)級(jí)別表示為：

與文獻(xiàn)[26]中的研究類似，服務(wù)代理記錄與每一個(gè)客戶交互過程中的信息如表1所示。在表1中，服務(wù)交互的結(jié)果共有n行代表n個(gè)客戶，m列代表最近的m次服務(wù)交互過程的行為。

表1 服務(wù)代理記錄的交互信息Table 1 Interaction information of broker

在表1中，設(shè)服務(wù)代理A在時(shí)間ti時(shí)對(duì)客戶w進(jìn)行服務(wù)交互后的信息為記錄的交互信息實(shí)際上包括如下幾方面內(nèi)容：(1) 交互前的服務(wù)協(xié)商的服務(wù)級(jí)別交互后實(shí)際的服務(wù)級(jí)別其他信息記錄其他對(duì)客戶的一些評(píng)價(jià)信息。

1.2 問題描述

在服務(wù)計(jì)算環(huán)境中，客戶不斷地向服務(wù)代理提交服務(wù)請(qǐng)求。服務(wù)請(qǐng)求信息包含的內(nèi)容為某一服務(wù)級(jí)別SLAi。因?yàn)樵谳^短時(shí)間內(nèi)，可能有多個(gè)客戶的請(qǐng)求同時(shí)到達(dá)，由于資源有限，服務(wù)代理可能可以同時(shí)滿足有多個(gè)服務(wù)級(jí)別的多個(gè)需求，但是，可能難以在此段時(shí)間內(nèi)滿足所有客戶的需求。因此，在這種情況下，服務(wù)代理就需要對(duì)多個(gè)客戶進(jìn)行擇優(yōu)選擇，選擇的目標(biāo)是使 broker在較長(zhǎng)時(shí)期內(nèi)獲取盡可能多的服務(wù)收益。這樣，問題就轉(zhuǎn)化為1個(gè)多目標(biāo)優(yōu)化問題，即在有限的服務(wù)資源下, 組合服務(wù)的收益優(yōu)化問題轉(zhuǎn)化為基于SLA 的以收益最大化為目標(biāo)的客戶動(dòng)態(tài)選擇。

綜上所述，收益優(yōu)化的問題即對(duì)于網(wǎng)絡(luò)中任意服務(wù)代理A滿足下式：

要使服務(wù)收益最大化就是使服務(wù)代理在一段時(shí)期內(nèi)獲得的收益最大，其中一段時(shí)間在式(3)中用T表示。T越大，表示服務(wù)代理在長(zhǎng)時(shí)間內(nèi)獲得的收益最大，而當(dāng)前的大多數(shù)研究沒有考慮較長(zhǎng)時(shí)期有收益情況。從長(zhǎng)遠(yuǎn)的角度來看，服務(wù)代理獲得長(zhǎng)期的收益才是其根本目標(biāo)，僅獲得當(dāng)前的收益最大化往往不具有現(xiàn)實(shí)意義。收益的計(jì)算是提供服務(wù)收取的獲利與提供服務(wù)失敗時(shí)罰款的差值。式(3)中的限定條件是服務(wù)代理的資源有限，因此，服務(wù)代理接納的客戶對(duì)服務(wù)代理的QoS需求的量不能大于服務(wù)代理擁有的量。

2 服務(wù)選擇函數(shù)構(gòu)造方法

2.1 總體概略

服務(wù)級(jí)別協(xié)議(SLA)作為服務(wù)雙方關(guān)于服務(wù)內(nèi)容、質(zhì)量等方面的約定，是服務(wù)計(jì)算中保障服務(wù)質(zhì)量和顧客滿意度的有效途徑[2]。但是，一般來說，由服務(wù)代理提供的SLA僅是作為一種競(jìng)爭(zhēng)依據(jù)，客戶一般是根據(jù)服務(wù)代理提供的協(xié)議挑選服務(wù)，而很難要求服務(wù)代理提供商協(xié)商SLA的細(xì)節(jié)[3]。因此，在服務(wù)組合時(shí)，服務(wù)代理需要“智能”地選擇客戶以求達(dá)到收益最大化的目標(biāo)。針對(duì)以往研究中僅僅依據(jù)客戶當(dāng)前的收益情況來決定是否接納客戶的不足，本文提出以下幾點(diǎn)：(1) 判斷客戶的價(jià)值不僅僅依據(jù)客戶的當(dāng)前收益報(bào)價(jià)，而要考慮客戶長(zhǎng)期表現(xiàn)出來的收益。而長(zhǎng)期收益在本文中是依據(jù)客戶在較長(zhǎng)時(shí)間內(nèi)表現(xiàn)出來的收益來確定的。同時(shí)，由于不同的客戶活路程度不相同，對(duì)于價(jià)值較大而活躍程度不高的客戶，若服務(wù)代理接收到其服務(wù)請(qǐng)求，則代表這次請(qǐng)求具有更重要的意義，應(yīng)該接納其請(qǐng)求。因而，在本文中，給出了依據(jù)客戶活躍程度的長(zhǎng)期價(jià)值計(jì)算方法。(2) 對(duì)于客戶即時(shí)提交的請(qǐng)求，不能完全相信其請(qǐng)求所能夠帶來的收益，在本文中依據(jù)其信任度對(duì)其進(jìn)行修正，以使其更符合實(shí)際。最后，依據(jù)長(zhǎng)期與當(dāng)前收益給出公正的收益判斷再進(jìn)行優(yōu)化選擇。

2.2 客戶長(zhǎng)期價(jià)值量的估算

客戶能夠給服務(wù)提供者帶來的收益實(shí)際上包括 2部分：第1部分是客戶的服務(wù)請(qǐng)求到達(dá)后，當(dāng)次服務(wù)請(qǐng)求能夠帶來的收益；第2部分是客戶在未來一段時(shí)間內(nèi)預(yù)期能夠給服務(wù)代理帶來的收益。在以往的研究中，往往只考察了第1部分能夠給服務(wù)代理帶來的即時(shí)收益，因而可能會(huì)拒絕某次重要的有價(jià)值的客戶帶來小額收益的服務(wù)請(qǐng)求，從而失去一些重要的客戶。而客戶請(qǐng)求的即時(shí)收益是在服務(wù)級(jí)別協(xié)商中被標(biāo)明，因此，現(xiàn)在的關(guān)鍵問題是如何計(jì)算客戶的長(zhǎng)期價(jià)值。

客戶的長(zhǎng)期價(jià)值是指從服務(wù)代理的角度出發(fā)計(jì)算的客戶在未來一段時(shí)間內(nèi)可能帶來的收益，作為是否接納此客戶的重要依據(jù)。

設(shè)服務(wù)代理A與客戶B在時(shí)間ti進(jìn)行了1次服務(wù)交互，此次產(chǎn)生的收益為：

若服務(wù)代理A與客戶B進(jìn)行了多次服務(wù)交互，則服務(wù)代理A對(duì)客戶B下一次交互的預(yù)期收益UA,B為：

式中：]1,0[)(∈k?為衰減函數(shù)，用于對(duì)發(fā)生在不同時(shí)刻的收益進(jìn)行合理加權(quán)，根據(jù)實(shí)際的社會(huì)交互行為習(xí)慣，對(duì)于新發(fā)生的交互行為應(yīng)該給予更多的權(quán)重[4]。衰減函數(shù)定義為:

式(5)給出了客戶在下一次交互中的預(yù)期收益計(jì)算。服務(wù)代理是否接納客戶的請(qǐng)求在很大程度上取決于客戶是否能夠?yàn)榉?wù)代理帶來長(zhǎng)期的收益，換句話說，若客戶不能夠?yàn)榉?wù)帶來長(zhǎng)期的收益，則僅僅本次收益高而接納此客戶會(huì)造成長(zhǎng)期價(jià)值高的客戶流失；反之，若客戶的未來長(zhǎng)期收益大，則服務(wù)代理也不應(yīng)該僅因?yàn)楫?dāng)前的收益小而拒絕提供服務(wù)。

客戶的長(zhǎng)期價(jià)值的計(jì)算思想是依據(jù)客戶在時(shí)間維度上的表現(xiàn)來刻畫的，其思想是：若需要預(yù)測(cè)未來時(shí)間長(zhǎng)度為T的潛在價(jià)值，則依據(jù)客戶的歷史反映未來的思想，依據(jù)從當(dāng)前時(shí)間起反向T時(shí)間內(nèi)交互情況的收益來反映，計(jì)算式如下：

式中：t表示從當(dāng)前時(shí)刻向后推T的時(shí)間內(nèi)服務(wù)代理得到的收益，若向后推的時(shí)間小于 T，則包括所有的交互行為；本身的意義是客戶在未來的時(shí)間T內(nèi)的潛在收益(價(jià)值)，它實(shí)際上也包括了若不接納此客戶，則在未來的時(shí)間T內(nèi)，服務(wù)代理從客戶B中損失的收益。

前面給出了客戶的潛在價(jià)值的計(jì)算方法，但還存在1個(gè)問題：對(duì)于B與C 2個(gè)客戶，在時(shí)間T內(nèi)的收益相同，，但是，若交互的次數(shù)不相同，其中客戶B的交互次數(shù)遠(yuǎn)大于客戶C的交互次數(shù)，則同時(shí)有客戶B與客戶C的服務(wù)請(qǐng)求到達(dá)，由于資源的有限性，只能提供1個(gè)客戶的服務(wù)。此時(shí)存在選擇哪個(gè)客戶對(duì)服務(wù)代理更有利的問題。顯然，客戶B與服務(wù)代理A交互次數(shù)非常多，但是，其產(chǎn)生的收益與客戶C的相等，這說明客戶B每次的收益遠(yuǎn)小于客戶C每次的收益。因而，在這種情況下，應(yīng)該選擇C才能帶來更大的收益。而客戶B由于交互次數(shù)多，也不會(huì)因?yàn)榕既坏?次拒絕而使其流失。但對(duì)客戶C來說，交互次數(shù)較小，每次的收益大，可能因僅有的1次拒絕便會(huì)使其流失。這說明：即使按前面論述的方法考慮客戶的潛在價(jià)值，也要考慮客戶的活躍度，若客戶越活躍(交互次數(shù)越多)，則反映其每次收益小。為此，采取如下方法。

客戶活躍度反映了客戶在網(wǎng)絡(luò)中的活躍程度與穩(wěn)定程度，若客戶交互的次數(shù)越多，則表示客戶會(huì)在較小的時(shí)間內(nèi)有多次的服務(wù)請(qǐng)求，因而，在總收益相同的情況下應(yīng)該降低其重要程度，而接納活躍度小的重要客戶，從而能夠帶來更多的收益。定義活躍因子為：

客戶的潛在價(jià)值(收益)為：

2.3 服務(wù)代理對(duì)客戶信任值的度量方法

前面論述了客戶的潛在價(jià)值，但是，在很多種情況下，單以客戶帶來的收益來進(jìn)行客戶選擇會(huì)帶來一些問題，其中客戶的可信度是一個(gè)重要的因素。這里給出對(duì)客戶可信度的計(jì)算方法。設(shè)每次服務(wù)代理與交互的記錄如下：

則服務(wù)代理A依據(jù)信任判斷函數(shù)可得到對(duì)客戶B的信任度，即

式中：f1函數(shù)為抽象化的函數(shù)，是服務(wù)代理依據(jù)服務(wù)協(xié)商的結(jié)果對(duì)客戶的信任評(píng)價(jià)值。例如：對(duì)于服務(wù)價(jià)格這個(gè)指標(biāo)，當(dāng)業(yè)務(wù)代理A與客戶B在達(dá)成SLA后，若客戶嚴(yán)格按照約定的服務(wù)級(jí)別使用服務(wù)資源，則其可信度較高，f1函數(shù)則給出較高值；反之，若客戶濫用服務(wù)資源，不遵守服務(wù)級(jí)別約定，則服務(wù)代理給出的可信度就低。f2是服務(wù)代理在考察其他指標(biāo)上制定的信任轉(zhuǎn)換函數(shù)。例如，服務(wù)代理A規(guī)定若客戶B對(duì)服務(wù)代理A進(jìn)行攻擊或者濫用服務(wù)，則直接給出其信任度為最差級(jí)。需要指出的是：每個(gè)服務(wù)代理A制定的轉(zhuǎn)換函數(shù)可以不同，但每個(gè)服務(wù)代理A依據(jù)自己的f1和 f2函數(shù)進(jìn)行信任度的評(píng)測(cè)，這樣，每個(gè)服務(wù)代理都能夠依據(jù)自己的信任轉(zhuǎn)化函數(shù)建立自己的信任空間，這樣，既符合社會(huì)網(wǎng)絡(luò)，也符合實(shí)際分布式網(wǎng)絡(luò)。在這樣的網(wǎng)絡(luò)中，不可能存在一個(gè)統(tǒng)一的信任度評(píng)價(jià)標(biāo)準(zhǔn)，每個(gè)實(shí)體都是唯一的和個(gè)性化的，都依據(jù)自己的信任評(píng)價(jià)函數(shù)在互聯(lián)網(wǎng)絡(luò)上進(jìn)行信任演化與交互，以使自己能夠獲得較大的利益。

因此，在1次評(píng)價(jià)結(jié)果上，對(duì)多次相互交互的客戶信任評(píng)價(jià)計(jì)算如下：設(shè)是服務(wù)代理A對(duì)客戶B的所有交互行為的可信評(píng)價(jià)，

其中：TA,B表示服務(wù)代理A對(duì)客戶B的信任度。

2.4 基于信任度對(duì)收益的校正

潛在價(jià)值實(shí)際上是對(duì)未來的一種預(yù)值，是一種長(zhǎng)期的走勢(shì)。因此，當(dāng)1個(gè)客戶有具體的服務(wù)請(qǐng)求到達(dá)時(shí)，這個(gè)客戶的請(qǐng)求會(huì)提出1個(gè)具體的服務(wù)級(jí)別，其中服務(wù)級(jí)別包括了收益情況。而當(dāng)前的收益情況是本次交互行為的重要體現(xiàn)。但服務(wù)協(xié)商的收益并不一定能夠?qū)崿F(xiàn)，還需要進(jìn)行適當(dāng)修正。其原因如下。

如與服務(wù)代理A長(zhǎng)期交互的某客戶B在原來的交互歷史中每次的交易量較小，產(chǎn)生的收益是1個(gè)較小的值如 ζ。但是，也不能排除在當(dāng)前的交互中客戶 B申請(qǐng)較高級(jí)別的服務(wù)，并給出較大的遠(yuǎn)大于ζ的收益。顯然，因?yàn)榭蛻鬊是可信的，因而，有理由相信客戶B承諾的收益遠(yuǎn)大于收益ζ是可能的。

但是，對(duì)于另一個(gè)客戶C，若在前期的交互過程中存在很小的信用度，則由前期計(jì)算得到的預(yù)期收益也非常低，在這種情況下，若客戶在當(dāng)前的申請(qǐng)中提出很高的收益，顯然這難以讓人相信，其收益也難以得到實(shí)現(xiàn)。因此，僅依據(jù)當(dāng)前的收益接納這樣的客戶有可能會(huì)不但得不到較好的收益，反而會(huì)使其收益最小。

為此，這里采用服務(wù)的可信度對(duì)當(dāng)前服務(wù)協(xié)商定的收益進(jìn)行修正的結(jié)果，其計(jì)算方法如下：

2.5 收益優(yōu)化的客戶選擇方法

對(duì)于服務(wù)代理 A，有眾多客戶的服務(wù)請(qǐng)求到達(dá)，服務(wù)代理從中選擇那些客戶以使得系統(tǒng)的收益最大。下面給出收益優(yōu)化的客戶選擇方法。

與以往研究不同的是，本文的策略不僅僅以當(dāng)前客戶的服務(wù)協(xié)商級(jí)別下的收益為標(biāo)準(zhǔn)，還綜合考慮了如下 3個(gè)方面的情況：(1) 客戶的潛在收益情況；(2) 客戶的當(dāng)前收益情況；(3) 客戶的信任度。然后，綜合這3個(gè)方面，綜合客戶當(dāng)前收益與潛在收益情況，采用線性轉(zhuǎn)化函數(shù)，將其轉(zhuǎn)化為1個(gè)較高的綜合收益。然后，依據(jù)綜合收益情況來選擇綜合收益最大的客戶，從而給出一種較為適合實(shí)際的客戶選擇方法。詳細(xì)分析如下。

對(duì)于1個(gè)到達(dá)的客戶B，其綜合收益計(jì)算表達(dá)式為：

式(15)的計(jì)算綜合了客戶的信任度、潛在收益和當(dāng)前的收益，因而客戶選擇算法很容易給出。算法如下：

//多個(gè)客戶的服務(wù)請(qǐng)求到達(dá)時(shí)，確定選擇哪些客戶以使得系//統(tǒng)的收益最化。

輸入：服務(wù)代理A所有與客戶的交互記錄,客戶的請(qǐng)示

輸出：被選擇的客戶

Step 1:讀入服務(wù)代理記錄的客戶交互信息

Step 2:對(duì)每一個(gè)提出請(qǐng)求的客戶例如B進(jìn)行如下計(jì)算：

Step 2.1: 依據(jù)式(5)計(jì)算出tk時(shí)的收益

Step 2.3: 據(jù)式(8)計(jì)算出 T時(shí)間段的潛在收益

Step 2.4: 據(jù)式(11)計(jì)算對(duì)客戶 B ti時(shí)的信任值

Step 2.7: 據(jù)式(14)計(jì)算對(duì)客戶 B當(dāng)前的收益值

Step 2.8: 據(jù)式(15)計(jì)算對(duì)客戶 B的綜合收益值

Step 3: 對(duì)所有客戶計(jì)算的綜合收益 UA,B進(jìn)行排序，選擇出前m個(gè)客戶，使其對(duì)資源的需求不能再滿足任何一個(gè)客戶。

Step 4:接納選中的客戶，提供服務(wù)。

Step 5: end.

3 實(shí)驗(yàn)結(jié)果分析

下面通過模擬實(shí)驗(yàn)來驗(yàn)證。實(shí)驗(yàn)的硬件環(huán)境如下：CPU 為Intel Pentium IV2.56GHz，內(nèi)存為4G，操作系統(tǒng)為Windows XP；算法實(shí)現(xiàn)語言為JAVA。

設(shè)置服務(wù)代理的QoS資源維數(shù)為5，每個(gè)QoS的容量為1 000元；服務(wù)級(jí)別(SLA)共10級(jí)，最低的服務(wù)價(jià)格為200元，每個(gè)服務(wù)級(jí)別級(jí)差價(jià)格為80元。共產(chǎn)生客戶數(shù)量為500個(gè)，其中：

(1) 20%的客戶為惡意的客戶。這些惡意的客戶分為2種：第1種為純粹的惡意攻擊者，每次都只對(duì)服務(wù)代理產(chǎn)生攻擊，在實(shí)驗(yàn)中簡(jiǎn)稱為A(1)類客戶；第2種為善于偽裝的攻擊者，這種攻擊者可能在前期的活動(dòng)中積累一定的信任值后，再進(jìn)行攻擊。如在前進(jìn)行多次小額度的服務(wù)請(qǐng)求，并嚴(yán)格按服務(wù)協(xié)商的結(jié)果執(zhí)行，以取得服務(wù)代理的一定信任。然后，提出較大額的服務(wù)請(qǐng)求，但在這次大額請(qǐng)求中僅占用資源，而不付出相應(yīng)的費(fèi)用，從而達(dá)到欺騙的目的，在實(shí)驗(yàn)中簡(jiǎn)稱為A(2)類客戶。

(2) 有 20%的為小客戶，信任度較高，但是，每次交互的收益不大，收益在最低的幾級(jí)中選擇，在實(shí)驗(yàn)中簡(jiǎn)稱為B類客戶。

(3) 有40%的客戶為中等的客戶，信任度也較高，每次交互的服務(wù)級(jí)別為5左右，處于中等的級(jí)別，在實(shí)驗(yàn)中簡(jiǎn)稱為C類客戶。

(4) 20%的客戶是大客戶，信任度較高，其服務(wù)協(xié)商級(jí)別通常大于8 級(jí)，在實(shí)驗(yàn)中簡(jiǎn)稱為D類客戶。

采用本文提出的策略，讓各類客戶不斷按前述所給的比例向服務(wù)代理提交服務(wù)請(qǐng)求，服務(wù)代理接納不同類客戶的比例如圖2所示。從圖2可以看出：A類(惡意客戶)隨著交互行為的進(jìn)行其被服務(wù)代理接納的比例逐步下降，而可信的客戶B，C和D類的比例逐漸上升。這說明本文的策略能夠較好地維護(hù)可信客戶的交互，而將不可信客戶排除，有利于服務(wù)代理獲得較好的收益。而且價(jià)值大的客戶接納率越高。

圖2 隨時(shí)間變化接納不同類型客戶的比例Fig.2 Relationship between accepted ratio of different type clients and time

圖3所示為不同策略下服務(wù)代理的收益。圖3中，以當(dāng)前收益最大化的策略標(biāo)記為策略Ⅰ(Policy Ⅰ)，本文的以長(zhǎng)期收益最大化的策略標(biāo)記為策略Ⅱ(PolicyⅡ)。從圖3可以看出：本文的策略隨著時(shí)間的推移，其收益越來越大，而僅以當(dāng)前收益最大化為目標(biāo)的策略由于對(duì)潛在的客戶接納率不高，因而流失(在實(shí)驗(yàn)設(shè)置中，設(shè)置了1個(gè)與價(jià)值成反比的容忍拒絕率，價(jià)值越高，則容忍拒絕的次數(shù)越少，反之，容忍拒絕的次數(shù)越多)，從而造成高價(jià)值的客戶減少而使收益減少。這說明本文的策略具有較好的作用。

圖4所示為本文策略下不同類型的客戶信任度隨時(shí)間的變化情況。從圖 4可以看出：在開始階段，A類的不可信客戶可信度較低，而且隨著交互的進(jìn)行，其可信度下降很快；而可信的客戶隨著交互的進(jìn)行，其可信度一直上升。

圖5所示為不同類客戶自己宣稱的收益與系統(tǒng)評(píng)價(jià)的收益。從圖5可以看出：對(duì)于不可信的客戶，其宣稱的收益遠(yuǎn)遠(yuǎn)大于其實(shí)際收益，因而系統(tǒng)的評(píng)價(jià)值遠(yuǎn)小于它自己宣稱的值。而對(duì)于可信的客戶，其宣稱值與系統(tǒng)評(píng)價(jià)值基本一致，說明本文的策略對(duì)不可信客戶，具有較好的效果。

圖3 不同策略下隨時(shí)間變化的收益對(duì)比Fig.3 Relationship between gains in different policies and time

圖4 本文策略下隨時(shí)間變化各類客戶的信任度變化情況Fig.4 Relationship between trust of different type clients and time

圖5 客戶宣稱的值與系統(tǒng)平價(jià)的值的對(duì)比Fig.5 Comparison of client declared value and system evaluating value

4 結(jié)論

(1) 提出了 1種基于長(zhǎng)期收益的客戶選擇策略。該策略既考慮了客戶的可信度，又合理地依據(jù)客戶的可信度對(duì)客戶提出的收益進(jìn)行修正，并依據(jù)客戶的歷史交互情況判斷其潛在的價(jià)值，從而做出收益優(yōu)化的服務(wù)選擇。

(2) 依據(jù)策略的思想提出了相應(yīng)的服務(wù)選擇算法。

(3) 與傳統(tǒng)的僅以當(dāng)前收益最大化的優(yōu)化方法相比，本文策略在長(zhǎng)期收益方面要高30%以上，而且考察的時(shí)間越長(zhǎng)，策略的效果越明顯，說明了本文策略的優(yōu)越性。

[1] Armbrust M, Fox A. A view of cloud computing[J]. Magazine Communications of the ACM, 2010, 53(4): 50-58.

[2] Zulkernine F, Martin P, Craddock C. A policy-based middleware for Web services SLA negotiation[C]//Proceedings of the IEEE International Conference on Web Services (ICWS/09). Los Angeles, CA, 2009: 1043-1050.

[3] Jameel H, Hung L X,Kalim U. A trust model for ubiquitous systems based on vectors of trust values[C]//Proceedings of the7th IEEE Int’1Sympon Multimedia.Washington:IEEE Computer Society Press, 2005: 674-679.

[4] 王顯志, 徐曉飛, 王忠杰. 面向組合服務(wù)收益優(yōu)化的動(dòng)態(tài)服務(wù)選擇方法[J]. 計(jì)算機(jī)學(xué)報(bào), 2010, 33(11): 2104-2115.WANG Xian-zhi, XU Xiao-fei, WANG Zhong-jie. A profit optimization oriented service selection method for dynamic service composition[J]. Chinese Journal of Computers, 2010,33(11): 2104-2115.

[5] 李研, 周明輝, 李瑞超, 等. 一種考慮 QoS 數(shù)據(jù)可信性的服務(wù)選擇方法[J]. 軟件學(xué)報(bào), 2008, 19(10): 2620-2627.LI Yan, ZHOU Ming-hui, LI Rui-chao, et al. Service selection approach considering the trustworthiness of QoS data[J]. Journal of Software, 2008, 19(10): 2620-2627.

[6] 劉書雷, 劉云翔, 張帆, 等.一種服務(wù)聚合中 QoS 全局最優(yōu)服務(wù)動(dòng)態(tài)選擇算法[J]. 軟件學(xué)報(bào), 2007, 18(3): 646-656.LIU Shu-lei, LIU Yun-xiang, ZHANG Fan, et al. A dynamic Web services selection algorithm with QoS global optimal in Web services composition[J].Journal of Software, 2007, 18(3):646-656.

[7] Wang X, Huang S, Zhou A. QoS-aware composite services retrieval[J]. Journal of Computer Science and Technology, 2006,21(4): 547-558.

[8] 代鈺, 楊雷, 張斌, 等.支持組合服務(wù)選取的 QoS 模型及優(yōu)化求解[J]. 計(jì)算機(jī)學(xué)報(bào), 2006, 29(7): 1167-1178.DAI Yu, YANG Lei, ZHANG Bin. QoS for composite Web services and optimization[J]. Chinese Journal of Computers,2006, 29(7): 1167-1178.

[9] 岳昆, 劉惟一, 王曉玲, 等. 一種基于不確定性因素疊加的Web 服務(wù)質(zhì)量度量方法[J]. 計(jì)算機(jī)研究與發(fā)展, 2009, 46(5):841-849.YUE Kun, LIU Wei-yi, WANG Xiao-ling, et al. An approach for measuring quality of Web services based on the superposition of uncertain factors[J]. Journal of Computer Research and Development, 2009, 46(5): 841-849.

[10] 蔣哲遠(yuǎn), 韓江洪, 王釗. 動(dòng)態(tài)的QoS感知Web服務(wù)選擇和組合優(yōu)化模型[J]. 計(jì)算機(jī)學(xué)報(bào), 2009, 32(5): 1014-1025.JIANG Zhe-yuan, HAN Jiang-hong, WANG Zhao. An optimization model for dynamic QoS-aware web services selection and composition[J]. Chinese Journal of Computers,2009, 32(5): 1014-1025.

[11] Benatallah B, Dumas M, Sheng Q Z, et al. Declarative composition and peer-to-peer provisioning of dynamic Web services[C]//Proc of the 18th Intel Conf on Data Engineering.San Jose: IEEE Computer Society, 2002: 297-308.

[12] Casati F, Ilnicki S, Jin L J. eFlow: A platform for developing and managing composition e-services[R]. Palo Alto: HP Laboratories,2000: 1-20.

[13] Liu Y T, Anne H H, Zeng L Z. QoS computation and policing in dynamic Web service selection[C]//Proc of the WWW 2004.New York: ACM, 2004: 66-73.

[14] Zeng L Z, Benatallah B, Dumas M. Quality driven Web service composition[C]//Proc of the WWW 2003. Budapest: ACM, 2003:411-421.

[15] 趙俊峰, 謝兵, 張路, 等. 一種支持領(lǐng)域特性的 Web 服務(wù)組裝方法[J]. 計(jì)算機(jī)學(xué)報(bào), 2005, 28(4): 731-738.ZHAO Jun-feng, XIE Bing, ZHANG Lu et al. A Web services composition method supporting domain feature[J]. Chinese Journal of Computers, 2005, 28(4): 731-738.