Modèles basés sur Skyline pour la Sélection des Services Web
Modèles et Algorithmes Skyline pour la Sélection des Services Web Basée sur l'Historique d'Invocation
Versandkostenfrei!
Versandfertig in 6-10 Tagen
44,99 €
inkl. MwSt.
PAYBACK Punkte
22 °P sammeln!
Avec la prolifération des architectures orientées services (SOA), le nombre de services Web a fortement augmenté, rendant la sélection d'un service pertinent difficile pour les utilisateurs. Le paradigme Skyline, qui aide à choisir des services Web en se basant sur les données de qualité de service (QoS), est devenu populaire en ne présentant que les services non dominés. Cependant, cette approche présente des limitations, telles que la production de résultats incomparables, l'égalité de poids accordée à tous les critères de QoS, et l'incapacité à contrôler la taille des ré...
Avec la prolifération des architectures orientées services (SOA), le nombre de services Web a fortement augmenté, rendant la sélection d'un service pertinent difficile pour les utilisateurs. Le paradigme Skyline, qui aide à choisir des services Web en se basant sur les données de qualité de service (QoS), est devenu populaire en ne présentant que les services non dominés. Cependant, cette approche présente des limitations, telles que la production de résultats incomparables, l'égalité de poids accordée à tous les critères de QoS, et l'incapacité à contrôler la taille des résultats.Cette livre propose plusieurs approches pour surmonter ces défis. La première, SkyAP-S3, combine les méthodes multicritères (MCDM) telles que Skyline, AHP pour pondérer les critères, et PROMETHEE pour intégrer les préférences utilisateurs. La deuxième, SEFAP, améliore SkyAP-S3 en traitant l'incertitude dans les jugements utilisateurs, en utilisant l'entropie et AHP Floue. Enfin, une version avancée d'AHP Floue est proposée pour automatiser la comparaison des critères et services via un algorithme de discrétisation. Les expérimentations réalisées ont démontré l'efficacité de ces approches.
Andere Kunden interessierten sich für
