随着面向服务计算(SOC)的提出和面向服务架构(SOA)实现其基础逻辑架构的发展,为当前分布式计算提供了最新的发展方向。在新的发展方向的引领下,其相关技术的发展也十分迅速。例如Web服务就是SOC/SOA的主流实现技术,而网格服务本质特征也是SOA和Web服务技术的引入,与此领域密切联系的还有普适计算、语义网等。在分布式计算领域中,“服务”作为构造分布式系统的基本计算元素被广泛使用,而如何选择有效的服务成为研究的热点。但是服务多样性且服务实体通常属于不同的自治域,同时缺乏专业的、可信的第三方认证实体对其安全的认证,服务在执行的过程中对于用户来说是不可见的,这样容易被服务提供者恶意更改,增加了服务资源的不确定和不可控制性。基于以上原因,传统的基于QoS的服务选择算法虽然提高了服务选择的质量,但是无法很好的解决服务的可信问题。因此,如何建立适当的服务信任评估模型并设计基于该信任模型的服务选择算法已经成为研究的热点。针对以上问题,本文主要从信任评估模型的建立和基于该信任模型在组件服务和服务工作流的服务选择等方面展开相关研究。主要内容及贡献如下:(1)借鉴推荐系统中用户相似度的计算方法,计算用户评分相似度,通过相似度来衡量推荐用户的推荐地位,同时结合信任传递性的特性,建立推荐信任模型。(2)针对当前基于模糊理论的信任模型和基于反馈信息的信任评估方法存在的缺陷,提出了一种基于集对分析理论中联系数概念的主观信任表示方法,克服模糊数学中用一个精确、唯一的隶属度严格表示模糊概念的缺点,同时,在此模型中不是单纯基于用户的反馈信息来评价服务信任度,还结合了服务资源在服务过程达到的服务能力,增加了模型的客观性。此外将该信任函数并入到传统的组件服务选择算法中,提出了两种基于信任的服务选择算法。(3)研究了服务工作流基于信任增值的服务选择算法,针对这种增值服务的服务选择问题,提出了一种信任增值的离散量子粒子群算法。该算法解决了传统面向QoS全局最优服务算法的恶意欺骗问题,同时结合工作流的特点,将量子粒子群算法离散化,根据服务选择应用场景重新定义了量子粒子群算法中各种位置的计算方法和权重系数的自动调整方法。