随着物联网技术的发展,越来越多的智能嵌入式设备在商业应用中模糊了虚拟世界和现实世界之间的界限。物联网环境下的大多数智能设备具有通信和计算能力,能够提供基于Web Service的物联网服务。近年来,随着基于Web服务的物联网服务数量逐渐增多,功能相同的Web服务数量也逐渐增多,但是功能相同的Web服务通常具有不同的QoS属性,从而导致Web服务组合规模扩大、难度增加。因此如何将单个的原子服务高效地组合成QoS较高的组合服务成为Web服务组合问题的研究热点。因为遗传算法可以有效的解决大规模优化求解问题,所以被广泛应用于服务组合优化求解,但是传统遗传算法的固定交叉概率和变异概率的设置策略,容易出现早熟收敛问题。所以,本文通过引进神经网络中的激活函数和一个能综合描述种群多样性以及进化代数的变量来对传统的遗传算法进行改进,从而提出了一种可根据种群多样性和迭代次数自适应调整交叉概率和变异概率的改进遗传算法。相比于传统的遗传算法,该算法更符合种群进化的自然规律,具备更高地跳出局部最优解的能力,在解决大规模的服务组合优化问题中,能有效避免早熟收敛问题,产生适应度更高的个体。仿真模拟实验证明,相比于传统的遗传算法,改进后的遗传算法具备较强的全局寻优能力,更适合于求解大规模的物联网服务组合问题。