结合QoS预测与多agent强化学习的自适应服务组合
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 术语与符号约定 | 第12-13页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.4 论文结构 | 第18-20页 |
| 第二章 Web服务组合概述 | 第20-26页 |
| 2.1 Web服务 | 第20-24页 |
| 2.1.1 Web服务概念 | 第20页 |
| 2.1.2 Web服务体系结构 | 第20-21页 |
| 2.1.3 Web服务常用标准 | 第21-23页 |
| 2.1.4 Web服务质量评价 | 第23-24页 |
| 2.2 服务组合 | 第24-25页 |
| 2.2.1 服务组合概念 | 第24页 |
| 2.2.2 服务组合的研究方向 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 强化学习与时间序列预测理论基础 | 第26-36页 |
| 3.1 强化学习 | 第26-30页 |
| 3.1.1 强化学习的输入和输出 | 第27-28页 |
| 3.1.2 Q-learning算法 | 第28页 |
| 3.1.3 多agent技术 | 第28-30页 |
| 3.2 时间序列预测 | 第30-35页 |
| 3.2.1 时间序列预测基本概念 | 第30页 |
| 3.2.2 时间序列预测方法介绍 | 第30-31页 |
| 3.2.3 循环神经网络原理和结构 | 第31-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 结合QoS预测与强化学习的服务组合 | 第36-47页 |
| 4.1 服务组合场景 | 第36-38页 |
| 4.2 服务组合模型 | 第38-39页 |
| 4.3 基于强化学习的服务组合框架 | 第39-42页 |
| 4.3.1 奖励函数 | 第39-40页 |
| 4.3.2 算法框架 | 第40-42页 |
| 4.4 结合QoS预测与强化学习的服务组合算法 | 第42-46页 |
| 4.4.1 基于循环神经网络的时间序列预测 | 第43-44页 |
| 4.4.2 自适应服务组合算法 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 实验与分析 | 第47-56页 |
| 5.1 实验设置 | 第47页 |
| 5.2 结果与分析 | 第47-54页 |
| 5.2.1 参数影响 | 第47-51页 |
| 5.2.2 动态环境下的有效性 | 第51-53页 |
| 5.2.3 不同问题规模下的有效性 | 第53-54页 |
| 5.3 本章小结 | 第54-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 本文总结 | 第56-57页 |
| 6.2 未来工作 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 附录 A 作者攻读硕士学位期间的研究成果 | 第65页 |
