近年来互联网技术的发展十分迅速且应用非常广泛,这为云计算等新兴技术的出现与发展起到了巨大的推动作用。由于一些世界大型互联网公司的引领更加加速了云计算技术的发展,所以云计算服务的数量也在快速增加,那么用户如何才能根据自己所在领域的特征选择能够满足自己各种各样需求并且高性价比的服务俨然已经成为当前云计算领域的关键研究问题之一。本文通过分析云服务评价和服务选择研究现状发现,现有云服务评价模型多数采用固定的QoS(服务质量)属性权重,这样就主观的认为各个属性的权重值与各属性实际值是没有关系的,从而导致用户选择的服务有可能不满足实际需要而导致服务故障或SLA(服务等级协议)违约。当前多数采用经典的优化算法进行服务组合的选择计算,但这些经典算法不经过改进直接运用于云服务组合选择是不能保证服务组合选择的质量及效率的。为了解决上述出现的问题,本文针对云服务的QOS评价及服务组合选择中的关键性问题进行了下列研究。首先,对当前QOS评价模型进行分析总结,指出了常权在评价之中的缺陷,从而依据变权理论提出了一种新的评价方式,有了变权理论基础的支撑,再根据用户当前的领域特征提出的对各个属性的QoS要求而建立相应的变权向量,对每个服务的属性权重进行了调整,不仅提高了综合评价的准确性更能使评价结果贴近实际情况。其次,分析总结传统粒子群算法的不足之处,通过调节惯性权重和学习因子的取值方式以达到提高粒子群算法收敛速度的目的,为了能够使改进算法的优化效果更好,本文做了测试实验对改进算法参数值进行确定,以确保能够使粒子运动速度和位置更新速度更快,较快的选择出符合实际需要的服务组合。最后,根据用户自己当前所处领域的不同及条件的限制,给出由约束条件和目标函数组成的云服务组合选择模型,然后分别对服务组合选择效率在选择算法改进前后和服务组合整体QOS在评价方式改进前后进行相应的实验仿真,经过实验结果对比分析发现两种方法在改进后取得的效果均是比较明显的。