近年来,面向服务的计算（Service-Oriented Computing,SOC）逐渐发展成为一种新的计算范型。随着Web服务标准和技术的不断成熟,其逐渐成为实现SOC的主要方式。Web服务的大量涌现使得用户对准确高效的服务发现、选择以及组合提出了更高标准的要求。本文主要围绕语义Web服务发现及基于QoS的最优Web服务组合问题进行研究,主要研究工作和创新点包括以下几个方面:（1）传统基于关键词的Web服务发现方法在进行服务匹配时无法识别多词一义和一词多义的情况,因此,存在较低的查准率和查全率。为了克服这一问题,本文提出了一种基于语义相似度的Web服务发现方法,通过计算Web服务和服务请求之间的语义相似度来进行服务的匹配,从而返回一组按照相似度排序的服务集合并提供给用户进行选择。在计算服务相似度时,本文综合考虑了服务的上下文（description）信息以及输入输出接口（I/O interface）信息。作为服务相似度计算的基础,本文提出了一种基于Word Net的概念相似度计算方法,全面考虑了概念间的双向语义以及名词、动词、形容词的各种不同语义关系。实验结果表明,本文所提出的Web服务发现方法能够有效地提高服务发现的查准率和查全率。（2）随着服务提供者之间的竞争越来越激烈,大量功能相同或者相似的Web服务出现在互联网上,因此,QoS信息成为包括服务选择在内的大量研究工作的重要参考因素。但是在实际应用中,往往存在大量未知的QoS值,如何根据已有的QoS信息来对未知的QoS值进行预测是非常关键的。目前的研究通常只考虑了全局的QoS信息,而忽略了用户和服务所在的局部区域因素对QoS值的影响。由于不同的用户和服务提供端往往存在不同的IT设施水平以及网络环境,从而导致用户在调用服务的过程中呈现出不同的QoS值,因此,为了进一步提高QoS预测的准确性,本文提出了一种利用服务和用户区域信息的QoS预测方法。在QoS预测模型中,不仅采用了已有的QoS信息,而且加入了用户和服务的区域信息。通过对模型的训练和优化过程,能够得到准确性较高的QoS预测矩阵,同时,本研究有效地解决了新用户和新服务的冷启动问题。实验结果表明,本文的方法能够得到较高的QoS预测准确性。（3）当单个Web服务不能满足用户的需求时,服务组合成为必然趋势。如何有效地为每个子任务选择恰当的候选服务来组成满足用户QoS需求的组合服务,这就是基于QoS的最优Web服务组合问题。传统的研究方法通常是将多个QoS属性聚合成为一个单目标问题进行优化,其结果往往容易受到单个QoS值的影响,而且计算结果只是片面的QoS聚合值,用户无法从多个角度了解服务的QoS信息,从而影响其决策。为了解决这一问题,本文采用多属性决策方法同时处理多个QoS属性,将每个解到正负理想点的距离转化为多目标优化问题。然后,提出了一种基于ε支配的多目标遗传算法（EMOGA）来解决该问题,从而得到一组折中的Pareto最优解集,该解集为用户提供了丰富灵活的选择方案。同时,当用户所选择的服务运行失败时,用户可以从其他备选服务中进行选择。实验结果表明,该方法具有良好的收敛性、分布性和可扩展性,能够有效解决大规模Web服务组合问题,在效率、收敛性和分布性上均优于流行算法NSGA-II和SPEA2。