8、使用支持向量机实现智能服务代理决策

使用支持向量机实现智能服务代理决策

1. 引言

近年来，在线服务发展迅速，广泛应用于旅游规划、搜索引擎和在线计算等多个行业。这些服务由智能自主实体提供，如何有效管理这些网络服务，同时保证高质量服务，是研究人员关注的重点。

提高网络服务功能并不总是切实可行的，因为成本高且可能导致频繁的闲置阶段。因此，研究人员提出了不同的框架来优化网络服务的功能和服务质量。一些工作提出使用具有相似功能的网络服务社区，将合作服务整合，以提供高质量服务。但这种方式也存在挑战，如如何有效管理任务分配和合作任务，以及如何找到合适的网络服务来构建强大的社区。

为了解决这些问题，我们采用机器学习技术，使用两类支持向量机（SVM），包括高斯、多项式和线性核函数，对先前收集的数据进行训练，从而为网络服务社区和单个网络服务的合作功能做出明智决策。

2. 相关工作

网络服务代理网络是多智能体环境的典型示例，在这种环境中，声誉管理受到了广泛关注。许多方法通过收集用户数据来衡量网络服务的声誉，但这些方法大多假设网络服务单独行动，未考虑与其他服务的协作。

为了解决单个网络服务行动的低效问题，一些框架提出将网络服务聚集到社区中。然而，现有的社区框架也存在一些问题，如未能有效评估社区的整体声誉，导致服务选择效率低下；未考虑网络服务加入社区的后果，以及资源管理方面存在不足。

3. 提出的模型

3.1 初步介绍

• 网络服务 ：网络服务是可编程的理性实体，旨在为人类提供服务。但它们存在存储和处理能力有限的问题，可能导致服务质量下降、交付延迟或拒绝服务请求。