Web服务作为一种新型的Web应用模式,近年来得到了迅速的发展。随着Web服务数量的快速增长,Web环境下存在大量具有相同或重叠功能和不同服务质量(QoS)的Web服务,如何利用QoS属性查找Web服务,动态地把现存的各种Web服务组合以形成新的、满足不同用户的需求的、增值的复杂服务已成为新的应用需求和研究热点。本文主要研究了基于QoS的Web服务发现与组合方法,在因特网的复杂环境下,如何有效、按照用户需要提供一定质量的应用服务。本文提出了一个基于QoS的Web服务发现与组合框架WebJet2,实现服务的发布、管理、发现、组合前的预先优化与运行时容错。分析了当前服务质量模型的优缺点,在此基础上建立一个客观全面的QoS模型,作为动态Web服务组合中服务选择和绑定、服务组合流程执行和监控的依据,该模型不仅可以保证基本服务的质量,而且可以全面地评价组合服务的质量。针对目前服务发现匹配算法缺乏灵活性和服务提供者通告的QoS信息并不总是可信的问题,提出了一种基于QoS和可信度的Web服务发现方法,并给出Web服务的匹配、排名和选择算法。该方法定义了一组描述Web服务QoS属性和信誉度的分类tModel,用QoS量化值来描述服务提供者的QoS和可信度通告,用约束型需求和主导型需求来描述服务消费者的QoS需求。定义了三个层次的服务匹配规则,引进匹配函数来计算服务相似程度,分四个步骤来发现和选取满足消费者需求的Web服务。原型系统实验结果表明,该方法具有较高的服务查准率和足够的服务匹配效率,是可行的和有效的。基于遗传算法设计了服务组合的全局优化方法。提出了在遗传算法中采用种群多样性控制机制来控制种群的进化,有效的防止了算法获得局部最优解。为了保证算法的优化性和收敛性,引入辅助种群对当前产生的优秀个体实施保存。提出动态适应度函数及适应度拉伸方法,使适应度相近的个体适应度差异放大,从而使得优秀的个体优势更明显。研究了自适应的交叉变异策略,实现了交叉率和变异率的非线性自适应调整,有效的加快了算法的收敛速度。理论分析和实验结果说明了算法的可行性和有效性。与同类研究成果相比,该算法提供了一种在动态环境下更完整和有效的服务组合QoS解决方案。