論文の概要: GAP2WSS: A Genetic Algorithm based on the Pareto Principle for Web
Service Selection
- arxiv url: http://arxiv.org/abs/2109.10430v1
- Date: Tue, 21 Sep 2021 20:41:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-14 03:14:00.511734
- Title: GAP2WSS: A Genetic Algorithm based on the Pareto Principle for Web
Service Selection
- Title（参考訳）: GAP2WSS: Web サービス選択のための Pareto Principle に基づく遺伝的アルゴリズム
- Authors: SayedHassan Khatoonabadi, Shahriar Lotfi, and Ayaz Isazadeh
- Abstract要約: 本稿では,複合 Web サービスの各タスクに対して,候補 Web サービスのプールから Web サービスを選択するためのGAP2WSS 原則を採用することで,遺伝的アルゴリズムを提案する。
すべてのグローバルな制約、サービス間制約、トランザクション上の制約が同時に検討されます。
- 参考スコア（独自算出の注目度）: 1.3764085113103222
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Despite all the progress in Web service selection, the need for an approach
with a better optimality and performance still remains. This paper presents a
genetic algorithm by adopting the Pareto principle that is called GAP2WSS for
selecting a Web service for each task of a composite Web service from a pool of
candidate Web services. In contrast to the existing approaches, all global QoS
constraints, interservice constraints, and transactional constraints are
considered simultaneously. At first, all candidate Web services are scored and
ranked per each task using the proposed mechanism. Then, the top 20 percent of
the candidate Web services of each task are considered as the candidate Web
services of the corresponding task to reduce the problem search space. Finally,
the Web service selection problem is solved by focusing only on these 20
percent candidate Web services of each task using a genetic algorithm.
Empirical studies demonstrate this approach leads to a higher efficiency and
efficacy as compared with the case that all the candidate Web services are
considered in solving the problem.
- Abstract（参考訳）: Webサービス選択の進歩にもかかわらず、より良い最適性とパフォーマンスを持つアプローチの必要性は依然として残っている。
本稿では,候補webサービスのプールから複合webサービスのタスク毎にwebサービスを選択するためのgap2wssと呼ばれるpareto原則を採用する遺伝的アルゴリズムを提案する。
既存のアプローチとは対照的に、グローバルqosの制約、サービス間制約、トランザクション上の制約は同時に考慮される。
まず、候補Webサービスはすべて、提案したメカニズムを使用して各タスク毎にスコアとランク付けされる。
次に、各タスクの候補Webサービスの上位20%を対応するタスクの候補Webサービスとみなし、問題検索スペースを削減する。
最後に、遺伝的アルゴリズムを用いて各タスクの20パーセントの候補webサービスのみに注目して、webサービス選択問題を解決する。
実証的な研究は、この問題の解決において全ての候補Webサービスが考慮されている場合と比較して、このアプローチが効率と有効性の向上につながることを実証している。
関連論文リスト
- Beyond Browsing: API-Based Web Agents [58.39129004543844]
APIベースのエージェントはWebArenaの実験でWebブラウジングエージェントを上回っている。
ハイブリッドエージェント(Hybrid Agents)は、タスク全体にわたって、ほぼ均一にパフォーマンスを向上する。
結果から,APIが利用可能であれば,Webブラウジングのみに依存するという,魅力的な代替手段が提示されることが強く示唆された。
論文 参考訳（メタデータ） (2024-10-21T19:46:06Z) - Slicing for AI: An Online Learning Framework for Network Slicing Supporting AI Services [5.80147190706865]
6Gネットワークは、革新的なネットワークスライシング戦略を必要とするAI駆動サービスの新たな領域を受け入れる。
本稿では,AIサービスへの計算・通信資源の割り当てを最適化するオンライン学習フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-20T14:38:54Z) - Towards General and Efficient Online Tuning for Spark [55.30868031221838]
本稿では,3つの問題を同時に処理できる汎用的で効率的なSparkチューニングフレームワークを提案する。
我々は、このフレームワークを独立したクラウドサービスとして実装し、Tencentのデータプラットフォームに適用しました。
論文 参考訳（メタデータ） (2023-09-05T02:16:45Z) - Reinforcement Learning with Success Induced Task Prioritization [68.8204255655161]
本稿では,自動カリキュラム学習のためのフレームワークであるSuccess induced Task Prioritization (SITP)を紹介する。
アルゴリズムはエージェントに最速の学習を提供するタスクの順序を選択する。
我々は,SITPが他のカリキュラム設計手法と一致するか,あるいは上回っていることを実証する。
論文 参考訳（メタデータ） (2022-12-30T12:32:43Z) - A Framework for Web Services Retrieval Using Bio Inspired Clustering [0.47248250311484113]
本稿では,クラスタサービスに対するボトムアップ,分散化,自己組織化アプローチを用いたWebサービス検索フレームワークを提案する。
また、クラスタリングプロセスにおいて、Webサービス間のセマンティックな類似性を利用して、精度を高め、リコールを低くする。
論文 参考訳（メタデータ） (2022-10-04T17:28:19Z) - A New Approach for Semantic Web Matching [1.5599296461516985]
自動システムでは、自己修復、自己設定、自己最適化、自己管理を確実にする必要があります。
候補サービスはUniversal Description, Discovery and Integration (UDDI)で宣伝され、すべてWeb Ontology Language (OWL)で宣伝されている。
論文 参考訳（メタデータ） (2021-07-06T13:47:12Z) - A Three Phase Semantic Web Matchmaker [1.8275108630751844]
提案アルゴリズムは,入力記述と出力記述に基づいてWebサービスのセマンティックマッチングを行う。
我々の新しいアプローチは、マッチメイキングスコアを入力のセマンティクスに割り当て、パラメータとその型を出力することである。
提案手法では, 両部マッチングに使用可能な他のすべての中で, 実行時間が少ないアルゴリズムを用いている。
論文 参考訳（メタデータ） (2021-07-06T13:39:11Z) - Exploring Relational Context for Multi-Task Dense Prediction [76.86090370115]
我々は,共通バックボーンと独立タスク固有のヘッドで表される,密集予測タスクのためのマルチタスク環境を考える。
マルチタスク設定では,グローバルやローカルなど,さまざまな注意に基づくコンテキストを探索する。
タスクペアごとに利用可能なすべてのコンテキストのプールをサンプリングするAdaptive Task-Relational Contextモジュールを提案する。
論文 参考訳（メタデータ） (2021-04-28T16:45:56Z) - Learning Augmented Index Policy for Optimal Service Placement at the
Network Edge [8.136957953239254]
私たちは、意思決定者がエッジでホストする$ N$サービスのいずれかを選択する必要があるネットワークエッジでサービス配置の問題を検討します。
私たちの目標は、顧客の平均サービス配信遅延を最小限に抑える適応アルゴリズムを設計することです。
論文 参考訳（メタデータ） (2021-01-10T23:54:59Z) - A Machine Learning Approach for Task and Resource Allocation in Mobile
Edge Computing Based Networks [108.57859531628264]
無線ネットワークにおいて,共同作業,スペクトル,送信電力配分問題について検討する。
提案アルゴリズムは、標準Q-ラーニングアルゴリズムと比較して、収束に必要なイテレーション数と全ユーザの最大遅延を最大18%、11.1%削減することができる。
論文 参考訳（メタデータ） (2020-07-20T13:46:42Z) - Extreme Algorithm Selection With Dyadic Feature Representation [78.13985819417974]
我々は,数千の候補アルゴリズムの固定セットを考慮に入れた,極端なアルゴリズム選択(XAS)の設定を提案する。
我々は、XAS設定に対する最先端のAS技術の適用性を評価し、Dyadic特徴表現を利用したアプローチを提案する。
論文 参考訳（メタデータ） (2020-01-29T09:40:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。