[发明专利]基于证据推理的网格Qos参数的测量方法

摘要

一种基于证据推理的网格Qos参数的测量方法，包括：(1)用评估等级来设定用户需求；(2)用户Qos参数的合成；(3)用户Qos需求的期望效用值：设u(H_n)表示等级H_n的效用值，用户a_l对Qos需求的期望效用值计算，两个用户Qos的优先级按如下方式决定：(i)若u_min(a₁)＞u_max(a₂)，则用户a₁的Qos需求优于a₂的Qos需求；(ii)若u_min(a₁)＝u_max(a₂)，则用户a₁和a₂的Qos需求相同；(iii)如果不满足(i)(ii)条件，则按u_ave的大小确定其优先级。本发明实用性强、同时考虑定量属性和定性属性、能够有效处理模糊数据和信息用户、能全方位满足真实网格环境的用户服务质量需求。

主权项

1、一种基于证据推理的网格Qos参数的测量方法，其特征在于：所述的测量方法包括：1)评估等级来设定用户需求设有M个用户，用al来表示，l＝1，…，M；设y为处于顶层的指标；设有L个底层指标ei，i＝1，…，L，定义底层指标集合如下E＝{e1，e2，…，ei，…，eL}；指标权重为w＝(w1，…，wL)，权重满足条件：0≤wi≤1 and$\underset{i=1}{\overset{L}{\Sigma }}{w}_i=1$ ；有N个评价等级，集合为H＝{H1，H2，…，Hn，…，HN}，Hn是第n个评价级别，假设u(H1)＝0，u(HN)＝1，并且0＜u(H1)＜u(H2)＜…＜u(HN)＝1，u(Hn)表示专家给定的等级Hn的效用值；设定Y1，i，...，YN，i是专家给定的定量属性ei的评估等级；对于一个用户al提出的精确的Qos参数需求值yi，其需求值处于两个评估等级之间，即Yn，i≤yi≤Yn+1，i(n∈{1，...，N-1})，就用该两个评估等级来评价ei这个属性，计算公式如下：${\beta }_{n,i}=\frac{Y_{n+1,i}-y_i}{Y_{n+1,i}-Y_{n,i}}$ 以及${\beta }_{n+1,i}=\frac{y_i-Y_{n,i}}{Y_{n+1,i}-Y_{n,i}}---\left(2\right)$ 其中βn，i表示指标ei被评为Hn等级的置信度；βn+1，i表示指标ei被评为Hn+1等级的置信度；2)用户Qos参数的合成用mn，i作为基本概率指派函数来表示第i个底层指标ei支持顶层指标y被评为第n个等级Hn的程度，则用户al对Qos参数需求合成的计算过程如下：mn，i＝mi(Hn)＝wiβn，i(al)，n＝1，...，N；i＝1，...，L， (3)$m_{H,i}=m_i\left(H\right)=1-\underset{n=1}{\overset{N}{\Sigma }}{m}_{n,i}=1-w_i\underset{n=1}{\overset{N}{\Sigma }}{\beta }_{n,i}\left(a_l\right),i=1,...,L,---\left(4\right)$ ${\bar{m}}_{H,i}={\bar{m}}_i\left(H\right)=1-w_i,i=1,...,L,---\left(5\right)$ ${\tilde{m}}_{H,i}={\tilde{m}}_i\left(H\right)=w_i(1-\underset{n=1}{\overset{N}{\Sigma }}{\beta }_{n,i}\left(a_l\right)),i=1,...,L,$ (6)with$m_{H,i}={\bar{m}}_{H,i}+{\tilde{m}}_{H,i}$ and$\underset{i=1}{\overset{L}{\Sigma }}{w}_i=1$ 用公式(2)-(6)可计算得到如下参数：{Hn}：$m_n=k[\underset{i=1}{\overset{L}{\Pi }}(m_{n,i}+{\bar{m}}_{H,i}+{\tilde{m}}_{H,i})-\underset{i=1}{\overset{L}{\Pi }}({\bar{m}}_{H,i}+{\tilde{m}}_{H,i})],n=1,...,N,---\left(7\right)$ {H}：${\tilde{m}}_H=k[\underset{i=1}{\overset{L}{\Pi }}({\bar{m}}_{H,i}+{\tilde{m}}_{H,i})-\underset{i=1}{\overset{L}{\Pi }}{\bar{m}}_{H,i}],---\left(8\right)$ {H}：${\bar{m}}_H=k\left[\underset{i=1}{\overset{L}{\Pi }}{\bar{m}}_{H,i}\right],---\left(9\right)$ where$k={[\underset{n=1}{\overset{N}{\Sigma }}\underset{i=1}{\overset{L}{\Pi }}(m_{n,i}+{\bar{m}}_{H,i}+{\tilde{m}}_{H,i})-(N-1)\underset{i=1}{\overset{L}{\Pi }}({\bar{m}}_{H,i}-{\tilde{m}}_{H,i})]}^{-1}---\left(10\right)$ 用式子(7)-(10)得到最终的结果：{Hn}：${\beta }_n\left(a_l\right)=\frac{m_n}{1-{\bar{m}}_H},n=1,...,N,---\left(11\right)$ {H}：${\beta }_H\left(a_l\right)=\frac{{\tilde{m}}_H}{1-{\bar{m}}_H},---\left(12\right)$ 上式中，βn(al)表示用户al对于顶层指标y被评为Hn等级的置信度，βH(al)表示整个评价中不完备性，即${\Sigma }_{n=1}^N{\beta }_{n,i}<1$ 时的置信度；3)用户Qos需求的期望效用值由1)已知u(Hn)表示等级Hn的效用值，用户al对Qos需求的期望效用值计算如下：①如果${\Sigma }_{n=1}^N{\beta }_{n,i}=1$ ，则有$u\left(S\left(y\left(a_l\right)\right)\right)=\underset{n=1}{\overset{N}{\Sigma }}u\left(H_n\right){\beta }_n\left(a_l\right),l=1,...,M---\left(13\right)$ 两个用户Qos的优先级由u(S(y(al)))的大小决定；②${\Sigma }_{n=1}^N{\beta }_{n,i}<1$ ，则有$u_{\max }\left(a_l\right)={\Sigma }_{n=1}^{N-1}{\beta }_n\left(a_l\right)u\left(H_n\right)+({\beta }_N\left(a_l\right)+{\beta }_H\left(a_l\right))u\left(H_N\right),l=1,...,M---\left(14\right)$ $u_{\min }\left(a_l\right)=({\beta }_1\left(a_l\right)+{\beta }_H\left(a_l\right))u\left(H_1\right)+{\Sigma }_{n=2}^N{\beta }_n\left(a_l\right)u\left(H_n\right),l=1,...,M---\left(15\right)$ $u_{\mathrm{ave}}\left(a_l\right)=\frac{u_{\max }\left(a_l\right)+u_{\min }\left(a_l\right)}{2},l=1,...,M---\left(16\right)$ 两个用户Qos的优先级按如下方式决定：(i)若umin(a1)＞umax(a2)，则用户a1的Qos需求优于a2的Qos需求；(ii)若umin(a1)＝umax(a2)，则用户a1和a2的Qos需求相同；(iii)如果不满足(i)(ii)条件，则按uave的大小确定其优先级。