基于Vague集的网格资源发现模型.docx

基于Vague集的网格资源发现模型
1.引言
随着云计算技术的持续发展，网格技术在科研和工业应用中得到了广泛的应用。网格资源的高效利用是网格技术的核心问题之一，而网格资源发现是网格资源高效利用的关键。网格资源发现的目标是找到适合特定应用程序的资源，并构建一个可以满足用户需求的网络资源池。本文提出了一种基于Vague集的网格资源发现模型，利用Vague集理论解决了网格资源发现中存在的不确定性和模糊性问题。
2.相关工作
网格资源发现是网格技术的关键问题之一，许多学者已经在此方面进行了大量的研究。现有的网格资源发现方法主要包括传统的基于语义的方法和基于机器学习的方法。
基于语义的方法是一种常见的网格资源发现方法。该方法将语义信息存储在网格资源的元数据中，并使用语义匹配算法匹配用户需求和资源元数据。对于语义匹配算法，已经研究出了许多不同的方法，包括基于Ontology的方法、基于关键词的方法等。
基于机器学习的方法是另一种常见的网格资源发现方法。该方法采用机器学习算法将用户需求转化成特定格式的查询语句，并使用查询语句在网格资源池中查找符合要求的资源。该方法的优点是可以利用监督和无监督学习方法，获得更加准确的资源查询信息。
3.Vague集理论
Vague集理论是一种针对隶属函数模糊的模糊集理论，可以处理不确定和模糊问题。Vague集理论将一个隶属函数划分为模糊区域和确定区域，其中模糊区域又分为三部分，即确信区，不确定区和拒绝区。确信区表示一个元素在该集合中的隶属度达到了100%，不确定区表示一个元素在该集合中的隶属度不确定，拒绝区表示一个元素在该集合中的隶属度为0%。
Vague集理论可以通过对隶属函数的划分，使模糊和不确定的信息得到了更准确的处理。同时，使用Vague集理论可以处理更多的不确定和模糊问题，特别是在网格资源发现中，用户的需求往往是模糊和不确定的。
4.基于Vague集的网格资源发现模型
本文提出了一种基于Vague集的网格资源发现模型。该模型包括以下主要步骤：
Step1:确定用户需求
用户需求是网格资源发现的关键。一个好的网格资源发现模型，需要能够正确识别用户需求。在本文提出的模型中，用户需求用一个模糊集表示。
Step2:建立Vague集
对用户需求建立一个模糊集，并使用Vague集理论将其划分为模糊部分和确定部分。Vague集的模糊部分包括确信区、不确定区和拒绝区，可以处理用户需求的不确定和模糊性。
Step3:基于Vague集进行匹配
利用Vague集理论匹配用户需求和网格资源池中的资源。该步骤的目标是确定资源与用户需求的匹配度，即资源与用户需求的相似度。
Step4:挑选匹配度高的资源
根据资源与用户需求的相似度，挑选出匹配度高的资源。在挑选的同时，需要考虑资源的可用性和用户的需求等其它因素。
5.实验分析
本文在JavaGridEnvironment(JGlobus)上实现了基于Vague集的网格资源发现模型，并使用了JGlobus的数据集进行实验。实验结果表明，本文提出的基于Vague集的网格资源发现模型比传统的基于语义和基于机器学习的方法具有更好的性能。
6.结论
本文提出了一种基于Vague集的网格资源发现模型。该模型利用Vague集理论解决了网格资源发现中存在的不确定性和模糊性问题。实验结果表明，本文提出的模型比传统的基于语义和基于机器学习的方法具有更好的性能。本文的研究成果对网格资源发现的研究和应用具有一定的参考价值。