[논문 리뷰] Evolutionary Multitasking for Semantic Web Service Composition

Chen Wang, Hui Ma외 2명|arXiv (Cornell University)|2019. 02. 18.

Service-Oriented Architecture and Web Services참고 문헌 22인용 수 6

한 줄 요약

이 논문은 의미 웹 서비스 조합을 위한 순열 기반 다요인 복합 유전 알고리즘(PMFEA)을 제안하며, 다수의 사용자 세그먼트로 분할된 서비스 요청을 다중 작업 유전적 다자원 문제로 모델링한다. 관련 작업 간 지식 전이를 가능하게 하는 이웃 구조를 도입함으로써, 최신 단일 작업 기반 접근 방식보다 뛰어난 해의 품질과 더 빠른 수렴 속도를 달성하며, 실행 시간을 기준선의 일부분으로 줄이고 기존의 다자원 방법을 능가한다.

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.

연구 동기 및 목표

• 단일 작업 기반 유전 계산(EC) 방법을 사용해 유사한 서비스 조합 요청을 독립적으로 해결할 경우 발생하는 비효율성을 해결하기 위해.
• 서비스 품질(QoS)과 의미 매칭 품질(QoSM) 선호도에서 다름이 있는 다수의 사용자 세그먼트 기반 서비스 조합 작업을 하나의 유전 다자원 문제로 모델링하기 위해.
• 구조화된 이웃 구조 메커니즘을 통해 관련 작업 간 암묵적 지식 전이를 가능하게 하여 해의 품질과 수렴 속도를 향상시키기 위해.
• 자식 개체를 이웃 작업에서 평가하여 계산 비용을 줄이고, 중복 평가를 방지함으로써 전체 효율성을 향상시키기 위해.

제안 방법

• 다른 사용자 세그먼트에서 온 다수의 서비스 조합 요청을 다자원 최적화 문제로 공식화하며, 각 작업은 고유한 선호 프로파일에 해당한다.
• 서비스 조합 워크플로우를 인코딩하기 위해 순열 기반 표현 방식을 사용하여 교차 및 변이와 같은 효과적인 유전 연산을 가능하게 한다.
• 작업 간 이웃 구조를 도입하여 새로 생성된 자식 개체가 관련된 작업에서 평가될 수 있도록 하여, 추가 계산 없이도 지식 전이를 가능하게 한다.
• 다요인 유전 알고리즘(MFEA) 프레임워크 내에서 동질적 짝짓기 기법을 적용하며, 부모는 작업 호환성에 따라 선택되고 유전 연산자가 작업 간으로 적용된다.
• 수직적 문화 전파를 사용하여 자식 개체를 하나의 작업에서 평가하도록 안내하지만, 이웃 구조 덕분에 더 넓은 평가 범위를 확보하여 탐색 능력을 향상시킨다.
• 이웃 작업에서 자식 개체를 평가하는 하이브리드 평가 전략(PMFEA-NT)을 구현하여 수렴 속도와 해의 다양성을 향상시킨다.

실험 결과

연구 질문

• RQ1 유사한 서비스 조합 요청을 다자원 문제로 모델링할 경우, 단일 작업 기반 EC 접근 방식에 비해 해의 품질과 계산 효율성이 향상되는가?
• RQ2 작업 간 이웃 구조의 설계가 다자원 서비스 조합에서 지식 전이와 해 성능에 어떤 영향을 미치는가?
• RQ3 자식 개체를 모든 작업이 아닌 이웃 작업에서 평가할 경우, 수렴 속도 향상과 실행 시간 단축에 유리한가?
• RQ4 제안된 PMFEA 방법은 최신 단일 작업 기반 EC 방법에 비해 해의 품질과 실행 시간 측면에서 어떻게 비교되는가?
• RQ5 적절한 작업 그룹화와 이웃 구조의 영향은 다자원 서비스 조합에서 국소 최적해를 피하는 데 어떤 영향을 미치는가?

주요 결과

• 이웃 구조를 사용하는 PMFEA-NT는 전체적으로 가장 뛰어난 성능을 보이며, 20개 작업 중 19개에서 최고 또는 평균 성능 기록을 달성하여 FL [10]과 다른 MFEA 변종보다 뚜렷이 뛰어나다.
• 제안된 방법은 최신 단일 작업 기반 EC 방법인 FL [10]의 약 1/4 수준으로 실행 시간을 단축시키며, 모든 데이터셋에서 가장 빠른 런타임 기록을 달성한다.
• PMFEA-NT는 PMFEA보다 더 빠른 수렴 속도를 보이며, 초기 세대에서는 FL [10]과 유사한 성능을 보이다가 결국 네 가지 작업 모두에서 해의 품질에서 앞서나간다.
• 적절한 이웃 구조의 사용은 관련 작업 간 더 효율적인 지식 전이를 가능하게 하여 해의 효과성을 높이고 국소 최적해의 위험을 줄인다.
• 모든 작업에서 평가하는 MFEA-AT는 일부 작업(20개 중 4개)에서 최악의 성능 기록을 보이며, 이는 탐욕적 평가 전략이 조기 수렴을 유도할 수 있음을 시사한다.
• 수렴 속도 분석 결과, 자식 개체를 이웃 작업에서 평가하는 것이 수렴 속도를 가속화하고 해의 안정성을 향상시키며, 두 개 이상의 동시 작업을 포함하는 문제에서 특히 효과적임을 확인했다.