Web服务是不同主机不同系统之间通过互联网进行互相通信与操作的软件。随着Web服务体系的持续完善,Web服务逐渐成为了互联网环境下资源整合和资源共享的核心,将软件当做是一种服务的形式发布到互联网上供消费者使用已经成为了一种趋势。然而,在网络中发布的大多是功能单一且相对简单的服务,如何在互联网中寻找优质服务并且将这些优质的服务进行组合,形成强大的企业级别的组合服务已经成为了Web服务技术发展的重点研究内容。早期的研究工作主要集中在如何确保用户的功能性需求方面,然而随着互联网的发展,仅仅只满足用户的功能性需求是远远不够的,做好功能性需求的同时关注服务的可用性,可靠性等非功能属性也是至关重要的。目前网络上单一功能的Web服务正在以指数的速度在增长,这些Web服务可以完成相同或者相似的功能。这些服务具有不同的非功能属性,如服务质量（QoS）、服务价格、成功率,可靠性等。如何基于服务的QoS信息找到最符合用户需求的Web服务也就成为了重中之重的课题。近年来,针对于Web组合服务的研究主要集中在元启发式算法上。通过对遗传算法,模拟退火算法,粒子群算法等算法的改进与结合,在Web服务组合问题的研究中已经取了重大的成果。但元启发式算法有明显的缺点,如算法不稳定、参数要求众多,算法性能比较依赖参数设置等等。这些算法中存在的缺点往往会导致服务组合的效率低下,并且通过该算法得到的最终结果有可能不是最优的组合方案。针对以上问题,本文提出了从局部优化出发,将概率论与信息论中的相关知识应用到Web服务的局部选择策略中,再此为基础通过改进元启发式算法对Web服务组合进行全局选择优化。本文主要的工作与研究内容如下:（1）基于局部选择优化:首先在进行Web服务选择时会遇到QoS信息不真实的情况,受到随机优势概念的启发,提出了综合一阶随机优势和二阶随机优势的方法来度量Web服务QoS的信誉度,消费者可以通过Web服务的信誉度衡量该服务公告值的真实性;其次有可能遇到消费者对QoS偏好不确定的情况,本文通过客观赋权法得到综合权重,综合权重更加能够体现消费者的服务偏好;最后针对现实中有可能出现的用户需求模糊,服务提供者所提供的QoS公告值不确定以及QoS公告值随机所导致的有一定概率无法满足消费的需求的情况,本文分别建立了Web服务的选择模型,并根据各自的服务选择模型计算出综合选择指数。（2）基于全局选择优化:首先基于局部选择优化的结果,通过在传统的遗传算法中引入自适应交叉概率和自适应变异概率的模型,以达到提高遗传算法的全局搜索效率的目的;其次通过使用遗传算法与模拟退火算法相结合的方式,提高了全局选择算法的效率和准确度,从而能够更加高效灵活的解决Web组合服务的问题。（3）针对局部选择策略,实验表明,本文所提出的局部服务选择策略具有一定的合理性,以及具有一定的实用性,可以应对现实中可能出现的,比如QoS信息不真实和QoS信息不确定等多种情况;针对全局选择策略,实验表明,经过改进的遗传算法无论在收敛速率还是在寻找最优解的准确度方面均优于传统的遗传算法。在算法效率方面,改进后的算法是原算法的210%以上;在算法准确度方面,随着问题规模的增大,经过改进后算法的优势会进一步增大,其准确度有可能是原算法的818%以上。