服务计算作为一种新的计算范式,凭借着其以服务为基本构建块,支持异构环境下分布式应用的快速、低成本、便捷组合的特点得到快速的发展,其核心思想是通过重用已有的网络服务而不是重新开发构造新的企业应用,使得分布在企业内部或跨越企业边界的不同商业应用系统能得到快捷的实现、灵活的无缝集成和相互协作。但随着SOAP和XML技术的发展,越来越多的网络资源以服务的形式发布与使用,具有相同功能的服务数量迅速增加,加之用户需求的多样化、动态化和复杂化等特点,导致服务组合方案呈现出指数增长趋势,服务组合问题也逐渐演变为NP完全问题。尤其,随着用户需求的复杂化,单一服务无法满足用户的需求,组合服务应运而生及其计算规模便成指数级增长。在研究服务组合优化问题时,本文又简称服务组合问题,常用方法包括智能优化算法与数学优化技术,其中智能优化算法包含粒子群优化算法(PSO),遗传算法(GA),蚁群算法(ACO),人工蜂群算法(ABC)以及果蝇优化算法(FOA)等,数学优化技术包含线性规划,动态规划、图算法以及整数规划等。智能优化算法优势在于利用较短的时间获取用户满意解,但其往往不能得到全局最优解,而数学优化技术虽然可以得到全局最优解,但其计算时间随服务规模的增加而显著增加,往往呈指数趋势变化。基于此,一些研究者提出服务组合优化问题的分解方案,即将原组合优化问题分解为多个简单的子组合优化问题,然后利用子问题的最优解获取原问题的可行解。但是,该模型在问题分解与结果汇总的过程中,往往会造成精度丢失,全局 最优解夫法得到保证。基于此,为解决大规模服务组合优化问题,本章基于商空间理论,将问题粒化思想引入到服务组合优化问题模型中,用以快速有效地解决服务组合优化问题以及QoS约束感知的服务组合优化问题。在现有的研究方法中,多默认服务之间具有相互独立性,但在现实社会中,由于服务提供商之间的利益关系,导致服务与服务之间多存在约束与联系,例如,网购过程中,多存在包邮现象。为快速有效地解决大规模服务组合问题以及质量约束服务组合问题,本章利用商空间粒化思想,在任务粒化和约束粒化两个方面,在单属性与多属性两种情况下,分别提出服务组合优化问题的求解方案。主要工作包括:1.本文首先对服务组合优化问题的提出、发展进行了介绍,尤其在质量约束感知的服务组合优化问题给予介绍,并详细阐述了服务组合优化模型与质量约束感知的服务组合优化模型。之后,基于质量约束感知的服务组合优化模型,提出基于任务粒化和约束粒化的服务组合优化方法。2.在任务粒化阶段,通过任务之间的隶属度关系进行任务粒化处理,利用任务粒化结果,将服务组合问题分解为多个子服务组合问题,利用子服务组合问题的求解结果逐步逼近原问题的最优解,基于此,提出任务粒化算法TgA,并从理论方面验证其可行性与准确性,最后,通过大量的仿真模拟实验验证任务粒化算法的性能。3.约束粒化方法是建立在约束聚合方面,即通过质量约束关系之间的粒化过程,将质量约束粒度变大,逐步降低质量约束的查询次数,最终降低查询时间,以便达到最优查询时间。通过理论分析,利用粒化思想可以有效地解决大规模、乃至超大规模服务组合问题以及约束感知的服务组合问题。基于此,本文提出约束粒化算法Q2C以及质量约束感知的服务组合优化算法Q2CO,并通过大量仿真模拟实验验证该算法性能。