Web服务近年以来一直处于高速发展阶段,能够提供相同或者相似功能的Web服务数量也越来越多,因而关于Web服务组合QoS的相关研究也越来越多。基于QoS的Web服务组合问题是典型的NP难题,当Web服务组合的候选服务数量规模较大时,如何进行服务组合的选择已经变得尤为复杂。本文针对现有解决Web服务组合QoS优化问题的不足之处,主要从以下几个方面做了相应的工作。首先,分析了以往求解Web服务组合QoS优化问题时存在的不足。大多数方法在处理此类问题时,往往将各个QoS按照一定的惯性权叠加或通过效应函数将多目标优化问题转换成为一个单目标优化问题,这些方法虽然在一定程度上解决了多个目标无法协调的问题,但是求解结果并不能客观反映用户的真实需要。所以本文在解决Web服务组合QoS优化上,考虑了将多个目标同时作为一个目标向量来考虑,将每个目标的具体的量值作为评价结果考虑。由于多目标优化问题的本质特征,多个目标互相之间往往很难同时达到最优,因而多目标优化问题的处理方式不再像单目标优化问题那样去简单的求取最优解。为此引入了Pareto解集的概念,将多目标优化求解过程与Pareto支配结合起来,使得求得结果具有很强的Pareto支配性,并将这些支配性很强的解作为优化的结果。其次,针对特定的Web服务组合QoS优化问题,通过对标准粒子群算法的分析,在其基础上进行了改进。由于标准粒子群算法主要适用于求解连续空间上的优化问题,而Web服务组合QoS优化问题是典型的离散型空间求解问题,所以将标准粒子群算法改进成为离散型粒子群算法,将原来粒子的飞行变为相应的跳动方式。针对粒子群算法的容易陷入局部收敛的特性,将遗传算法的变异策略引入到新的公式中,同时将蚁群算法的信息素的思想应用的新的粒子群公式中,从而使得新的粒子群算法兼具上述两者算法的优点。最后以一个典型的Web服务组合模型中的顺序结构模型为例,利用本文提出的新的粒子群算法,采用Pareto推优的方式,通过仿真实验来求解Web服务组合QoS多目标优化问题。对实验结果进行了相关分析,得到Web服务组合QoS优化问题求解速度的主要影响因素,并且通过与已有的方法对比,验证了本文方法的可行性和有效性,突出了本文方法在一定情况下求解过程中效率上的优势。从而为Web服务组合QoS优化问题提供了一种可行的求解方式。