清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Integrating recurrent neural networks and reinforcement learning for dynamic service composition

计算机科学 服务质量 强化学习 Web服务 服务(商务) 移动QoS 面向服务的体系结构 差异化服务 分布式计算 服务交付框架 计算机网络 服务设计 人工智能 万维网 经济 经济
作者
Hongbing Wang,Jiajie Li,Qi Yu,Tianjing Hong,Yan Jia,Wei Zhao
出处
期刊:Future Generation Computer Systems [Elsevier]
卷期号:107: 551-563 被引量:25
标识
DOI:10.1016/j.future.2020.02.030
摘要

In the service oriented architecture (SOA), software and systems are abstracted as web services to be invoked by other systems. Service composition is a technology, which builds a complex system by combining existing simple services. With the development of SOA and web service technology, massive web services with the same function begin to spring up. These services are maintained by different organizations and have different QoS (Quality of Service). Thus, how to choose the appropriate service to make the whole system to deliver the best overall QoS has become a key problem in service composition research. Furthermore, because of the complexity and dynamics of the network environment, QoS may change over time. Therefore, how to adjust the composition system dynamically to adapt to the changing environment and ensure the quality of the composed service also poses challenges. To address the above challenges, we propose a service composition approach based on QoS prediction and reinforcement learning. Specifically, we use a recurrent neural network to predict the QoS, and then make dynamic service selection through reinforcement learning. This approach can be well adapted to a dynamic network environment. We carry out a series of experiments to verify the effectiveness of our approach.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
俊逸的白梦完成签到 ,获得积分10
2秒前
橘子海完成签到 ,获得积分10
7秒前
Tianju完成签到,获得积分10
12秒前
研友_Lmg1gZ完成签到,获得积分10
12秒前
huazhangchina完成签到 ,获得积分10
34秒前
高雯完成签到,获得积分10
36秒前
芝诺的乌龟完成签到 ,获得积分0
39秒前
张颖完成签到 ,获得积分10
47秒前
欢呼的茗茗完成签到 ,获得积分10
54秒前
丹妮完成签到 ,获得积分10
55秒前
1分钟前
longlonglong完成签到,获得积分10
1分钟前
1分钟前
荔枝波波加油完成签到 ,获得积分10
1分钟前
Danny完成签到 ,获得积分10
1分钟前
Young完成签到 ,获得积分10
1分钟前
郑先生完成签到 ,获得积分10
1分钟前
郑志凡完成签到 ,获得积分10
1分钟前
wanci应助科研通管家采纳,获得10
2分钟前
啥也不是完成签到,获得积分10
2分钟前
双眼皮跳蚤完成签到,获得积分10
2分钟前
kehe!完成签到 ,获得积分0
2分钟前
霸霸斌完成签到 ,获得积分10
2分钟前
gmc完成签到 ,获得积分10
2分钟前
谷子完成签到 ,获得积分10
2分钟前
数乱了梨花完成签到 ,获得积分10
3分钟前
寒战完成签到 ,获得积分10
3分钟前
沐浠完成签到 ,获得积分10
3分钟前
salty完成签到 ,获得积分10
3分钟前
桐桐应助123采纳,获得10
3分钟前
Shandongdaxiu完成签到 ,获得积分10
3分钟前
HCKACECE完成签到 ,获得积分10
3分钟前
Vicky完成签到 ,获得积分10
3分钟前
3分钟前
丰富的绮山完成签到,获得积分10
3分钟前
烟花应助科研通管家采纳,获得30
4分钟前
Akim应助科研通管家采纳,获得30
4分钟前
123发布了新的文献求助10
4分钟前
段采萱完成签到 ,获得积分10
4分钟前
Ava应助123采纳,获得30
4分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052644
求助须知:如何正确求助?哪些是违规求助? 2709863
关于积分的说明 7418252
捐赠科研通 2354395
什么是DOI,文献DOI怎么找? 1246007
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921