随着企业数字化转型,信息物理系统（Cyber-Physical Systems,CPS）在智能机器人、智慧工厂、智能交通、工业监测等多个行业得到广泛应用。为适应现代化分布式系统发展,许多CPS基于微服务架构部署。随着越来越多服务组件接入CPS系统,导致CPS中服务更加复杂、海量、异质,且存在的诸多不确定性,同时,由于存在大量需要动态生成的微服务,必然会导致服务质量波动剧烈,且影响服务组合效率;此外,高并发的应用场景也会由于服务实例过载而带来组合服务服务质量（Quality of Service,QoS）下降的问题。为此,论文研究了CPS中基于QoS的微服务组合机制,提出了基于黑寡妇优化算法（Black Widow Optimization Algorithm,BWOA）的最优QoS服务组合方法和基于负载均衡的服务组合方法,具体研究工作如下:1.针对CPS中服务QoS属性差异大、服务海量引起的微服务组合低效问题,提出了基于BWOA的最优QoS服务组合方法。该方法根据CPS系统的特性,采用微服务架构,并将服务划分为应用层、网络层和物理层的服务;根据不同层服务,分别构建QoS模型及最优QoS目标函数,并将目标函数作为各层对应的适应函数;采用融合柯西变异和反向学习策略来优化BWOA,最后采用优化的BWOA得到最优QoS服务组合。通过与其他启发式算法在不同的QoS模型、不同的服务等条件下进行对比实验,结果表明,该方法能够有效提高服务组合效率和服务组合质量。2.CPS开放环境下,采用群体智能算法进行服务选择时,更青睐高QoS的服务,当系统服务组合请求负载加大时,高QoS服务会过载,造成系统服务质量大大降低,针对该问题,提出了基于负载均衡的服务组合方法。该方法通过构建总体负载模型,并求解适应性函数,通过优势关系减少服务解空间,并优化启发式算法进行服务组合。通过与其他几种方法在不同的请求、不同服务池、不同子服务等条件下依次进行对比实验,结果表明,提出的方法能够实现在系统服务负载均衡的同时,保持较高的服务QoS。论文研究工作表明,本文所提方法能够有效提高CPS中微服务组合的QoS,保证高并发环境下微服务组合的负载均衡,具有较好的实用意义。