La sélection des services web dans une composition à base de critères non fonctionnels.

Abstract

Le marché de commercialisation des services web sur internet ne cesse d'augmenter, ce qui résulte en un nombre de plus en plus croissant de services offrant des fonctionnalités équivalentes. De ce fait, la sélection d'un service web approprié pour une tâche particulière est devenue un défi difficile pour l'utilisateur. Nous nous intéressons, dans cette thèse, à la problématique de sélection des services web dans une composition sur la base des besoins non fonctionnels (QoS), communément connue sous le nom QoSWSC. La problématique QoSSWC est considérée comme un problème d'optimisation multi-objectif. Nous nous intéressons, plus particulièrement, dans nos travaux, à deux catégories d'approches d'optimisations, à savoir, la première qui se base sur les techniques de bases de données qui utilisent la dominance de Pareto et la deuxième qui repose sur les méta heuristiques. Nous proposons dans la première catégorie d'approches deux contributions qui reposent sur la fuzzification de la relation de dominance selon Pareto. La première permet la sélection des Top-k services web basée sur la dominance floue. La deuxième permet de calculer les services Skylines sur la base de la dominance floue. Nous proposons, dans la deuxième catégorie, trois contributions. Dans la première contribution, nous adaptons la récente méta-heuristique SOMA (Self-Organizing Migrating Algorithm) et nous présentons l'algorithme QoS-SOMA qui est la version discrète de SOMA. Cette dernière est mieux adaptée au problème de sélection des services web composés. Nous proposons, dans la deuxième contribution, une amélioration de l'algorithme QoS-SOMA en utilisant la notion de dominance floue dans la phase de la sélection locale. Dans la troisième contribution, Nous proposons une approche de sélection des services web composés, basée sur la recherche Tabou et le calcul des Skylines. L'algorithme de Skyline est utilisé dans le but de réduire l'espace de recherche de la sélection. Les résultats expérimentaux montrent que les méta-heuristiques SOMA et Tabou améliorées par la dominance floue et le Skyline sont plus prometteuses que les versions standards.