Approches méta-heuristiques pour la composition des services Web

Abstract

La composition des services est le processus de combinaison d'un ensemble de services élémentaires ou atomiques. L'objectif est de produire un nouveau service composite pour satisfaire la demande de l'utilisateur qui ne peut être satisfait par les services atomiques. Combiner plusieurs services est un problème complexe qui a fait l'objet de plusieurs études de recherche. Les approches méta-heuristiques sont des bonnes techniques qui ont été utilisées pour résoudre plusieurs problèmes complexes dans divers domaines. Ces techniques sont capables de découvrir des régions de recherche prometteuses et de localiser des solutions de bonne qualité dans un délai raisonnable sans explorer tout l'espace des solutions. Dans ce présent travail, nous traitons le problème de la composition optimale des services web en utilisant des approches méta-heuristiques. ?tant donné un ensemble de services et un ensemble de tâches à accomplir, le problème est de trouver le meilleur ensemble de composition de services pour accomplir toutes les tâches où chaque service doit être affecté à une tâche donnée. Ce problème peut être modélisé comme un problème d'optimisation combinatoire avec un ensemble de fonctions objectifs qui doivent être optimisées. Nous recherchons un service composite qui nous permette d'exécuter les tâches envisagées et offre la meilleure qualité de services (QoS). Plus précisément, nous recherchons un plan d'exécution qui indique pour chaque tâche le service assigné. Nous avons apporté trois contributions où en premier temps, nous proposons une approche de recherche locale stochastique multi-objectifs (MOSLS). La deuxième contribution consiste à proposer une approche méta-heuristique basée sur l'algorithme de recherche à voisinage variable (MOVNS) et nous finissons par la proposition d'une troisième contribution d'une approche mémétique multi-objectifs (MOMA). Quatre fonctions objectifs du modèle QoS sont utilisées pour calculer l'ensemble de solutions optimal de Pareto. L'objectif principal est de minimiser les coûts et le temps et de maximiser la disponibilité et réputation et produire un bon service composite. Les trois approches proposées sont évaluées sur certains ensembles de données générés de manière aléatoire et sur l'ensemble de données QWS bien connu pour sélectionner les services les mieux adaptés en termes de paramètres de qualité de service de bout en bout maximum ou minimum agrégés. Les résultats numériques sont encourageants et démontrent l'efficacité du MO-MA proposées pour l'optimisation de la composition de services web.