随着Web服务技术以及服务组合技术的迅速发展，具有相同或者相似功能的服务数量逐渐增多，利用QoS进行服务选择已经成为Web服务组合的关键技术。现有的QoS计算模型中，QoS各个属性采用固定的权值，完全忽略了各属性实际值及其权重之间存在的相互关系，导致Web服务组合质量的降低。同时Web服务组合中的服务选择算法大多采用经典的数学优化算法，这就严重影响了Web服务组合的效率。为了解决上述问题，本文对服务组合中关键问题进行了以下研究。首先，针对Web服务现有的QoS属性评价模型的不足，提出一种QoS变权综合评价方法，在变权综合理论的基础上，根据用户对Web服务的QoS各个属性的限制，建立变权状态向量，动态调整单个服务的QoS属性权重，提高Web服务QoS综合评价的客观性和准确性。其次，针对粒子群优化算法存在的缺陷和不足，通过调节粒子群优化算法中学习因子变化策略对收敛速度进行调整，同时动态调整惯性权重，然后根据测试函数，不断的仿真实验确定改进粒子群优化算法中的参数值，使之能够较好的适应函数的需要，提高粒子速度和位置更新的速度，从而提高Web服务组合效率。最后，根据用户对Web服务组合的要求和限制，设定相应的粒子适应度函数和QoS约束条件，然后对改进前后的粒子群优化算法和优化前后的QoS评价方法进行模拟和对比实验，与现有的QoS综合评价方法和粒子群优化算法相比较，验证改进算法的有效性。