本文针对在当前服务发现系统中服务匹配过程所存在的自学习能力较差的缺点,借助人工免疫系统中细胞变异、演化和二次响应等基本原理,通过模拟抗体—抗原之间的识别与响应机制,提出了一种基于人工免疫系统的服务匹配模型。利用本文提出的服务匹配模型,针对需要解决的问题,研究工作取得了以下几方面的进展:第一,实现了服务匹配系统的自学习功能,即系统能够在匹配过程中进行自学习,并对匹配结果进行有效地记忆。随着匹配次数的不断增多,系统总体效率也在工作的过程中得到逐步提升;第二,将系统匹配结果合理进行分成三大类——匹配度最高类型、匹配度次高类型和其余部分。在利用匹配度最高的结果作为请求结果的同时,系统也充分利用了服务匹配过程中匹配度次高部分的潜在服务,对其进行动态演化;第三,实现了系统的联想(服务的演化)功能。匹配度次高的部分被利用进行动态演化,生成与当前服务请求类似的请求,记忆这些请求信息所对应的服务信息,省去了联想得到的服务的初次匹配过程,系统将直接进行二次匹配,大大提高了系统效率。通过理论分析与仿真实验表明,本文所给出的模型不仅在查全率和匹配速度等方面较传统服务发现的方法有一定程度的提高,而且实现了由已知服务请求推测出相似服务请求,进而搜寻到最佳匹配服务的功能,强化了服务匹配过程中系统的适应学习、记忆和动态演化的能力。