[論文レビュー] Evolutionary Multitasking for Semantic Web Service Composition

Chen Wang, Hui Ma+2 more|arXiv (Cornell University)|Feb 18, 2019

Service-Oriented Architecture and Web Services参考文献 22被引用数 6

ひとこと要約

本稿では、セマンティックウェブサービス編集のための順列ベースの多要因的進化的アルゴリズム（PMFEA）を提案する。複数のユーザーセグメントによるサービス要請を、進化的マルチタスク問題としてモデル化することで、関連するタスク間での知識移転を可能にするネイバー構造を導入し、最先端の単一タスク手法よりも優れた解の品質と高速な収束性を達成した。実行時間をベースラインの数分の1にまで短縮し、既存のマルチタスク手法を上回った。

ABSTRACT

Web services are basic functions of a software system to support the concept of service-oriented architecture. They are often composed together to provide added values, known as web service composition. Researchers often employ Evolutionary Computation techniques to efficiently construct composite services with near-optimized functional quality (i.e., Quality of Semantic Matchmaking) or non-functional quality (i.e., Quality of Service) or both due to the complexity of this problem. With a significant increase in service composition requests, many composition requests have similar input and output requirements but may vary due to different preferences from different user segments. This problem is often treated as a multi-objective service composition so as to cope with different preferences from different user segments simultaneously. Without taking a multi-objective approach that gives rise to a solution selection challenge, we perceive multiple similar service composition requests as jointly forming an evolutionary multi-tasking problem in this work. We propose an effective permutation-based evolutionary multi-tasking approach that can simultaneously generate a set of solutions, with one for each service request. We also introduce a neighborhood structure over multiple tasks to allow newly evolved solutions to be evaluated on related tasks. Our proposed method can perform better at the cost of only a fraction of time, compared to one state-of-art single-tasking EC-based method. We also found that the use of the proper neighborhood structure can enhance the effectiveness of our approach.

研究の動機と目的

• 単一タスクの進化的計算（EC）手法を用いて類似したサービス編集要請を個別に解くことによる非効率性を是正すること。
• サービス品質（QoS）とセマンティックマッチング品質（QoSM）の好みに差がある複数のユーザーセグメントによるサービス編集タスクを、統合的な進化的マルチタスク問題としてモデル化すること。
• 構造的なネイバー構造を介して関連するタスク間で暗黙の知識移転を可能にすることで、解の品質と収束速度を向上させること。
• 後代を隣接タスクで評価することで計算コストを低減し、重複する評価を回避し、全体の効率性を向上させること。

提案手法

• 異なるユーザーセグメントからの複数のサービス編集要請を、各タスクが異なる好みプロファイルに対応するマルチタスク最適化問題として定式化する。
• サービス編集ワークフローをエンコードするための順列ベースの表現を採用し、クロスオーバーや変異などの有効な遺伝的演算を可能にする。
• タスク間にネイバー構造を導入し、新たに進化した後代が関連するタスクで評価可能となるようにし、追加計算を伴わずに知識移転を促進する。
• 多要因的進化的アルゴリズム（MFEA）フレームワーク内で、タスクの適合性に基づいて親を選択し、タスク間で遺伝的演算子を適用するアソートァティブメイティングを適用する。
• 垂直的カルチュラルトランスミッションを用いて、後代を1つのタスクでの評価に導く一方で、ネイバー構造により広範な評価を可能にし、探索性を高める。
• 後代を隣接タスクで評価するハイブリッド評価戦略（PMFEA-NT）を実装し、収束性と解の多様性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 複数の類似したサービス編集要請をマルチタスク問題としてモデル化することで、単一タスクEC手法と比較して解の品質と計算効率が向上するか？
• RQ2 タスク間のネイバー構造の設計が、マルチタスクサービス編集における知識移転と解のパフォーマンスに与える影響は何か？
• RQ3 後代をすべてのタスクや1つのタスクではなく、隣接タスクで評価することで、収束性の向上と実行時間の短縮が達成されるか？
• RQ4 提案手法PMFEAは、最先端の単一タスクEC手法と比較して、解の品質と実行時間の点で優れているか？
• RQ5 適切なタスクグループ化とネイバー構造の導入が、マルチタスクサービス編集における局所最適解の回避に与える影響は何か？

主な発見

• ネイバー構造を用いるPMFEA-NTは、全体として最高のパフォーマンスを示し、20のタスク中19つが最良または平均結果を記録。FL [10] や他のMFEAバージョンを著しく上回った。
• 提案手法は、最先端の単一タスクEC手法（FL [10]）の実行時間を約1/4にまで短縮し、全データセットで最速の実行時間を達成した。
• PMFEA-NTはPMFEAより収束が速く、初期世代ではFL [10] と同等の性能を示し、最終的には4つのタスクすべてで解の品質でそれを上回った。
• 適切なネイバー構造の使用により、関連するタスク間でのより効率的な知識移転が可能になり、局所最適解のリスクが低減された。
• すべてのタスクで評価するMFEA-ATは、一部のタスク（20中4つが最悪とマーク）で性能が低く、グリーディな評価戦略が早期収束を引き起こす可能性があることを示した。
• 収束速度分析から、後代を隣接タスクで評価することで収束が加速され、特に2つ以上の同時タスクを含む問題において解の安定性が向上することが確認された。