群智能优化方法是一类相对较新的优化问题解决方法,它的灵感主要来自于自然界中昆虫及其他动物的社会性行为。蚁群优化算法的灵感来自于蚂蚁的觅食行为,蚂蚁在觅食过程中通过释放一种叫信息素的化学物质标记较理想的觅食路径以为群体中其他成员提供可参考的先验信息。本文实现了多种蚁群优化算法解决单目标服务选取问题。为了能处理大规模基于服务质量的服务选取问题,本文结合Skyline服务选取与聚类分析对求解单目标服务选取问题的蚁群算法进行改进。通过基于Skyline的过滤过程对候选服务空间进行预处理以降低问题的规模,然后通过非监督的IS动态聚类过程对部分候选服务域进行聚类,将质量相当的候选服务划分到同一个聚类簇中,以此基础上构造了一个代表蚁群算法搜索空间的抽象构造图。实验表明改进后的蚁群算法不仅能够处理大规模服务选取问题,而且也显著地提高了解的质量。为了进一步提升改进后蚁群算法的性能,本文提出了一种求解单目标服务选取问题的混合算法,结合人工蜂群算法对蚁群算法全局搜索划定的子空间进行局域搜索。实验表明混合算法在解决单目标服务选取问题上的性能显著优于其他算法。最后,本文也实现了多种求解多目标服务选取问题的蚁群算法。详细阐述了多目标服务选取蚁群算法的实现方式并通过已有的评价指标对多目标服务选取实验结果进行分析与评价。本文绘制了多目标服务选取实验结果的EAF统计分析图,描述了多目标服务选取算法之间的差异与优劣。