云计算是目前国内外商业和科研机构研究的热点之一，是网格计算、并行计算、分布式计算的发展，是一种新兴的商业计算模式。它采用了成熟的虚拟化技术将数据中心的资源打包为互联网上的用户提供按需服务。作业调度与资源分配是云计算的两个关键技术，云计算的商业性使其关注对用户的服务质量，其虚拟化技术使得资源分配和作业调度不同于以往的并行分布式计算。　　 云计算通过互联网将数据中心的各种资源打包成服务向外提供，这个打包而成的服务叫做云服务。但是，单个云服务功能有限，难以满足复杂的应用需求，需要集成单个云服务所提供的各种功能以形成新的、功能更强大的组合服务来满足不同用户的复杂需求。然而，随着云服务的流行，云服务的数量与日俱增，不可避免地会出现大量具有相同或相似功能和不同服务质量(QoS)的云服务。如何能够在大量的能够实现相同功能的云服务中，选取出一组服务，使得所组合出的服务具有最好的服务质量、最高的用户满意度，将来肯定会成为成为云服务领域的一个关键问题。　　 当云服务数量逐渐增多时，有着相同功能属性的云服务也随之增多，因而需要根据用户给出的QoS需求，从中选出最为用户满意的一个，这就是基于QoS的服务选择。基于QoS的服务选择常用的是定量的方法，但这种方法不能够精确的表达用户的QoS需求，所以我们将采用ECP-net这种定性的方法来对用户的需求进行建模。　　 本文借鉴了服务工作流技术的思想，利用服务工作流之间的组合关系来描述组合服务，并在此提出Q-ECP算法来解决多服务工作流路径上QoS约束的云服务选择问题，该方法基于ECP-net和强化学习。其主要特征包括：1）使用一种强化学习方法进行全局优化的服务选择；2）使用ECP-net推理算法进行局部约束的服务选择；3)实验结果验证了该方法所具有的高效性以及自适应性。