Web服务组合作为面向服务计算的核心研究点之一,能利用Web服务的重用价值,满足用户的复杂请求,实现服务增值。然而,随着数量指数增长,Web服务呈现出质量良莠不齐、功能同质化严重的现象,致使组合的效率和质量持续下降;同时,组合环境动态演化带来的不确定因素降低了组合结果的执行成功率。因此,研究自适应、动态的Web服务组合,提升服务组合的智能性、可靠性和有效性,是一项迫在眉睫的研究课题,具有较强的理论和现实意义。近年来,伴随着智能规划在问题描述能力和求解算法等方面取得的突破,其研究得到了迅速的发展。由于服务组合与智能规划在问题描述模型等方面存在诸多相似之处,使得将两者结合起来成为可能;另一方面,经典智能规划和不确定规划等领域的研究成果也为实现自适应动态Web服务组合提供了理论基础。因此,采用智能规划方法解决Web服务组合中遇到的各种新困境,提升其在现实应用中的适应能力,是一个非常具有前景和挑战性的研究方向。基于以上分析,本文以智能规划技术为核心手段,以“核心智能规划算法——转换/组合模型——面向Web服务的优化改进”为研究路线,以动态服务组合和不确定环境下的自适应服务组合为研究对象,主要完成了如下工作:①分析了动态Web服务组合和不确定环境下的自适应Web服务组合的研究现状,其中智能规划技术展现出了一定的优越性;其次,研究了智能规划的关键技术和研究现状,分析了智能规划方法在服务组合中的应用研究;最终确定了本文的研究路线。②提出了一种基于宏操作的动态启发式规划算法,可通过学习潜在的领域控制知识,进而引导搜索方向,加速规划进程。通过对已有规划经验中的动作间依赖关系进行分析,可以学习到规划解中能组成宏操作的非连续动作序列,从而扩展了宏操作的来源,在此基础上设计了相应的宏操作学习算法;其次,在利用学习到的宏操作时,提出一种动态权重计算方法,保证有效性的前提下可以最大化宏操作的利用价值,从而得到一种改进的面向宏操作的动态启发式规划算法。③提出了基于动态启发式规划算法的动态Web服务组合模型,实现动态服务组合的同时,可最大程度利用组合结果的重用价值,提升服务组合效率。首先通过对Web服务与智能规划两个领域的描述模型进行分析,比较其相似性,然后结合案例,研究了一种服务组合与智能规划转换模型;其次,通过对服务组合结果的重用性分析,将提出的基于宏操作的动态启发式规划算法引入到服务组合中,并针对服务组合领域的特性,对启发式规划算法进一步优化;最后研究和设计了基于智能规划方法的动态服务组合模型。④提出了一种基于扩展的马尔可夫决策过程(Markov Decision Process,MDP)模型和启发式Q学习的服务组合方法,能增强不确定环境下服务组合的自适应能力,提高组合结果的执行成功率。首先结合案例分析了Web服务执行环境中的不确定因素,使用MDP建模可选择成功率最高的组合策略;其次,针对服务失效导致执行失败的问题,扩展了经典MDP模型并研究基于此的自适应服务组合模型,可根据执行效果自动的切换组合路径;最后,考虑到MDP扩展后增大了学习空间,通过自动学习服务间替换信息,提出了一种基于启发式Q学习的MDP优化方法改进学习过程。