在大数据时代,5G、物联网、云计算等新兴技术的快速发展日新月异。Web服务组合技术通过对分布于互联网中具有不同功能的Web服务加以重用,以既定的流程实现多个备选服务的集成。如何从大量功能属性相同而非功能属性不同的候选服务集中筛选出合适的服务个体构建出符合用户需求的Web服务组合?目前在基于QoS感知的Web服务组合问题上,启发式算法应用较为简单,但只能得到一些局部近似解,以布谷鸟算法CS、粒子群算法PSO等为代表的群智能算法研究工作得到了较好的推进。麻雀搜索算法较粒子群算法而言具有其优势,局部搜索能力强且具有较快的收敛速度,但该算法在未找到全局最优时可能发生早熟收敛,可能会使得算法陷入局部最优解。麻雀搜索算法作为一种新兴的群智能算法存在较大的改进空间。本文基于改进麻雀搜索算法开展QoS感知Web服务组合研究具有较重要的理论研究意义和实用价值。本文的主要贡献和创新性工作有如下几点:1.基于QoS感知构造Web服务模型,定义Web服务的聚合函数,通过自底向上的方式迭代推导出组合服务的数学模型;2.本文率先在Web服务组合的问题上引入麻雀搜索算法SSA进行最优求解,使用粒子群优化算法PSO与麻雀搜索算法SSA针对Web服务组合模型进行对照实验,检验SSA算法在服务组合优化问题上的可行性;3.在原始麻雀搜索算法SSA基础上提出了一种改进麻雀搜索算法ISSA,使用Tent混沌序列生成初始化种群以提高初始解的质量,同时利用高斯变异的分布特性提高算法在局部搜索上的性能,每轮迭代完毕之后利用莱维（Levy）飞行随机向远处跳跃以增强算法跳出局部性能,从而使算法的全局寻优性能得到提高;4.通过使用4个适应度基准评价函数对改进麻雀搜索算法ISSA性能进行评估,结果显示ISSA在寻优能力、收敛性能和稳定性等方面要优于麻雀搜索算法SSA、粒子群优化算法PSO和差分进化算法DE;5.最后,本文将ISSA算法应用在基于QoS感知的web服务组合上,验证了改进麻雀搜索算法ISSA在求解Web服务组合问题时的可行性与实用价值。