中文摘要：

动态重选取是组合服务自适应环境变化的一种重要手段。与传统动态服务选取机制不同，本课题考虑另一种重要的场景，即面向事务支持的服务组合动态重选取机制研究。事务的补偿特性是组合服务系统原子性和数据一致性的有效保证。然而，目前的服务选取技术大都基于传统的服务组合模型进行，普遍缺乏对事务的有效支持。一旦被请求的服务质量劣化或失效，不可避免的会在可靠消除不良行为对系统性能的影响方面存在不足。相较于已有的组合服务选取方法，事务支持的动态重选取必须考虑更多的问题。本课题以"事务支持"为核心，侧重于面向事务级服务组合的主动伺机动态重选取触发机制研究，主要包括事务级服务模型构建、原子事务识别、事务行为对动态重选取范围的影响、事务行为引发动态重选取的代价评估、基于早期模式的动态重选取触发，重选取服务空间优化和重选取效率等。相关研究成果将有效拓展事务级服务组合动态自适应理论和技术，为实际应用推广奠定坚实的基础。

结论摘要：

动态重选取是组合服务自适应环境变化的一种重要手段，在很多领域都得到了大力发展和广泛应用。已有的服务选取机制大都基于传统的服务组合模型进行，普遍缺乏对事务的有效支持。事务级组合服务动态重选取追求的目标应该是尽早地发现质量劣化或失效服务，尽快地触发重选取过程，准确地找到受事务行为影响的波及区域，通过分析事务级服务重选取代价，运行高效的重选取算法，使服务按要求顺利进行下去。本课题围绕面向事务级服务组合的主动伺机动态重选取展开了广泛、深入的研究，主要侧重于事务级服务模型构建、原子事务识别、事务行为对动态重选取范围的影响、事务行为引发动态重选取的代价评估、基于早期模式挖掘的动态重选取触发，基于极限学习机的重选取在线触发机制，基于多样性的重选取服务空间优化和重选取效率等。实验结果表明，提出的面向事务级的主动伺机重选取触发机制和相关算法执行效果良好，能有效弥补传统方法的不足。相关研究成果将有效拓展事务级服务组合动态自适应理论和技术，为实际应用推广奠定坚实的基础。三年来，我们针对上述问题开展了广泛的研究工作，共发表学术论文43篇，培养博士后流动人员2名、博士生2名、硕士生6名，先后资助22人次参与国际学术交流。