服务计算是一种多学科交叉融合的新兴计算模式。它通过设计和运用计算和信息技术,对各类信息服务与商业服务进行设计、操作、管理和优化,被广泛应用于各个领域。随着服务计算系统的不断扩张和演化,系统中服务供应商和用户规模急剧扩大,服务计算系统的组成结构愈发复杂,系统逐渐呈现生态化趋势。在生态化的服务计算系统中,多用户/服务供应商共同参与到服务计算系统的运行,并形成相互竞争的态势。对于用户而言,需要面对来自其他用户的服务资源竞争而争取得到最优的目标服务/服务资源分配方案,从而获得优质的服务质量（Quality of Service,QoS）。对于服务供应商而言,需要采取适当的服务激励策略以吸引大量用户来购买其服务资源,同时尽可能地满足最多用户的QoS需求,从而在竞争型服务市场中占据较大的市场份额。对于服务计算系统而言,则需要提供一种满足多用户公平性的服务资源竞争平台,较好地兼顾服务公平与QoS优化,从而促进生态化服务计算系统中的良序竞争与博弈,有助于服务计算系统的可持续发展。本文针对生态化的服务计算环境,聚焦管理多用户或服务供应商之间的竞争态势,从服务选择、服务资源定价、服务资源管理三个方面出发,建立对应的QoS优化模型,并采用相应的优化方法求解,开展QoS感知的服务资源调度与优化研究。本文主要的创新性工作如下:1.研究基于公平性指标的多用户服务选择方法。首先,构建QoS感知的多用户并发服务选择模型。其次,通过引入最大最小公平性的概念,给出实现最大最小公平性的字典序优化问题描述。然后,分析服务公平优化问题的特有特征和结构,进而设计出基于线性规划迭代的服务公平优化算法（Fairness-aware Concurrent Service Selection,FASS）。在理论上,证明了 FASS算法的最优性,并且在仿真实验中,充分验证和评估了 FASS算法的有效性和效率。2.研究面向市场的云资源定价机制。首先,对云资源拍卖市场进行建模描述。其次,根据QoS感知的用户效用模型,定义基于用户个体理性的云资源购买策略。然后,设计出最大化用户激励的云资源拍卖机制（Price-Incentive Resource Auction,PIRA）,其旨在以满足云服务供应商最低利润率γ要求为前提下,激励出最大用户数量来购买云服务资源。与此同时,在理论上证明出PIRA机制满足预算可行性、激励相容性、无妒性,这些重要性质有利于增强云资源拍卖机制PIRA的鲁棒性。在仿真实验中,PIRA机制的实际性能被得到充分的验证。3.研究体验质量（Quality of Experience,QoE）感知的分布式边缘任务调度和资源管理方法。首先,建立边缘计算系统的服务资源分配模型,并量化分析QoE指标与QoS指标间的关联关系。其次,给出最大化系统QoE水平的优化问题描述。为了解决该优化问题求解的诸多难点与挑战,引入潜在博弈模型,使得多用户的边缘资源分配方案以去中心化的形式被求解得到。然后,基于抢占式QoE改进机制、面向多用户合作的消息传递机制,设计了相应的QoE感知分布式边缘资源分配算法（QoE-Aware Decentralized Edge Resource Allocation,QoE-DEER）,以得到具有最高系统 QoE水平的纳什均衡解。通过理论证明和仿真实验,充分地验证了分布式QoE-DEER算法的性能和收敛性。