面向服务计算(SOC)是一种以服务为基本单元快速构建跨平台、分布式软件系统的计算范型;面向服务架构(SOA)是实现面向服务思想的架构和方法;Web服务技术是基于SOA开发和制定的一系列技术标准和协议规范。随着互联网应用的繁荣和云计算的广泛应用,大量Web服务资源如雨后春笋般出现在互联网上。服务组合(Servcie Composition)作为SOA构建复杂应用,实现服务增值的解决方案,引起学术界和工业界的广泛关注。随着大量有着相同或相似功能,但服务质量(QoS)各异的服务的出现,“QoS感知的服务选择”成为服务组合研究领域的热门问题,其旨在从众多的实现同一功能的大量候选服务中,选出适当QoS的服务参与组合,使得组合服务的QoS最大化并满足用户全局QoS约束。尽管针对这一问题的大量研究已经提出了许多解决方案,但这些研究大多使用服务提供者发布的QoS,或假设QoS值的某种概率分布,忽略了隐藏在服务实时监测数据中的QoS不确定性信息。通过这些方法获得的组合服务,将面临QoS不确定性以及不恰当概率分布假设所带来的风险。本文围绕QoS不确定性问题展开研究,提出QoS不确定性感知的服务选择方法。通过将QoS的不确性作为QoS的本质特征参与到组合服务QoS优化与约束满足的计算过程中,提高组合服务质量稳定性,降低违反约束的风险。本文的主要研究内容和贡献如下:(1)针对服务组合中QoS不确定性问题,提出了QoS区间数模型及服务选择算法。该方法首先从QoS历史监测记录中提取QoS不确定性特征,建立QoS区间数模型。然后根据每对服务间QoS区间数的模糊支配度度量,采用PROMETHEE算法实现了区间型QoS值效益和稳定性权衡下的排序。最后基于这种排序方法我们改进了遗传算法的适值计算方法,提出一种基于遗传算法的全局QoS近似最优服务选择方法。实验证明该方法比传统单一实值的服务选择方法可以获得更稳定QoS的组合服务。(2)针对QoS不确定性感知服务选择问题中用户全局约束满足问题,提出了一种基于软约束模型的两阶段服务组合方法。该方法在对多属性决策问题中的约束满足问题相关理论方法研究的基础上,提出了QoS不确定性感知服务选择问题中的软约束模型,并定义了适用于该模型的软约束服务水平协议。在两阶段的QoS不确定性感知服务选择方法中,首先利用基于MIP方法的全局约束分解算法和服务QoS历史监测记录计算各服务的QoS属性的约束满足率。然后通过合并规则和匹配算法,具有不同约束满足率的组合服务被赋予不同的用户满意度。基于用户满意度值,文章采用一种带罚函数动态适值函数的遗传算法实现带约束的服务选择优化。实验证明该方法可以有效的满足不同约束强度下的近似最优服务选择。(3)针对QoS不确定性感知服务选择方法面对大规模服务组合的问题,提出一种基于聚类约简优化的QoS不确定性感知服务选择方法。该方法针对候选服务集中服务数量较多的情况,提出采用区间数模糊C均值聚类算法对候选服务集进行聚类划分。然后以簇代表服务代替簇内服务参与组合服务选择,并确定各候选服务集中最优簇。最后按最优簇中候选服务数量的规模,选择不同的簇内服务选择策略实现候选服务的选择。基于人造数据集和真实数据集上的实验表明,区间数模糊C均值聚类算法对于不同QoS区间数分布和稳定性的服务具有良好的区分能力,在面对较多候选服务的情况下聚类优化的QoS不确定性感知服务选择方法可以获得更优QoS的组合服务。