| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·Web 服务的 QoS 相关研究 | 第11-12页 |
| ·Web 服务组合选择算法的相关研究 | 第12-14页 |
| ·目前基于 QoS 的 Web 服务组合存在的问题 | 第14-15页 |
| ·本文的主要研究工作 | 第15页 |
| ·论文组织结构 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第二章 Web 服务组合相关技术研究 | 第17-28页 |
| ·Web 服务技术 | 第17-22页 |
| ·Web 服务的定义及体系架构 | 第17-18页 |
| ·Web 服务的关键技术 | 第18-22页 |
| ·Web 服务组合 | 第22-26页 |
| ·Web 服务组合的定义 | 第22页 |
| ·Web 服务组合方法的分类 | 第22-26页 |
| ·基于 QoS 的 Web 服务组合 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 标准粒子群优化算法的改进 | 第28-39页 |
| ·标准粒子群优化算法 | 第28-34页 |
| ·标准粒子群优化算法基本原理 | 第28-29页 |
| ·标准粒子群优化算法收敛性分析 | 第29-33页 |
| ·标准粒子群优化算法的步骤 | 第33-34页 |
| ·标准粒子群优化算法性能分析 | 第34-35页 |
| ·标准粒子群优化算法的缺陷 | 第34-35页 |
| ·标准粒子群算法的改进方向 | 第35页 |
| ·改进粒子群优化算法 | 第35-38页 |
| ·变步长思想 | 第35-37页 |
| ·动态学习因子 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 改进的 Web 服务 QoS 评价模型 | 第39-52页 |
| ·Web 服务 QoS 模型 | 第39-40页 |
| ·QoS 综合评价 | 第40-43页 |
| ·QoS 的综合评价概念 | 第40-41页 |
| ·QoS 常权综合计算模型及其不足 | 第41-42页 |
| ·变权综合理论和计算方法 | 第42-43页 |
| ·改进的 Web 服务的 QoS 评价模型 | 第43-47页 |
| ·改进的 QoS 评价模型及其优势 | 第43-44页 |
| ·QoS 属性规范化处理 | 第44-45页 |
| ·QoS 属性变权综合计算 | 第45-46页 |
| ·改进的 QoS 综合评价方法的步骤 | 第46-47页 |
| ·应用实例和实验结果分析 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 基于 QoS 的 Web 服务智能动态组合模型的实现 | 第52-63页 |
| ·基于 QoS 的 Web 服务组合算法的设计与分析 | 第52-56页 |
| ·Web 组合服务的 QoS 计算模型 | 第52-54页 |
| ·Web 组合服务问题的模型 | 第54-55页 |
| ·粒子适应度函数的设计 | 第55-56页 |
| ·全局模型的算法步骤 | 第56页 |
| ·改进的粒子群优化算法参数的确定 | 第56-59页 |
| ·基于 QoS 的 Web 服务智能动态组合模型的实现 | 第59-62页 |
| ·实验环境 | 第59页 |
| ·实验方案 | 第59-60页 |
| ·实验结果与分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 总结和展望 | 第63-65页 |
| ·全文总结 | 第63页 |
| ·工作展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间的研究成果 | 第69页 |
