互联网正在快速地发展，面对信息的海洋，如何从中发现、选择和查询所需要的数据和服务信息就成为一项重要而迫切的研究课题。为了适应这种需求，提出了“语义Web”和”Web服务”的概念。语义Web服务技术自被提出就引起了国内外众多科研人员的关注，并在知识工程、数据库、人工智能等领域得到了广泛的应用。 然而在语义Web服务处理过程中和Web服务的发现、选择和查询方面，服务的目标和QoS属性往往包含一些不确定和模糊的信息，语义Web的应用不再是简单的真或假，而涉及到模糊语义明确、QoS属性模糊约束满足和折衷、聚合Web服务全局QoS最佳、大量模糊服务的迅速定位和语义查询优化等方面。处理这些问题，将对目前的语义Web服务应用，产生深远和现实的影响。 本文针对Web服务选择、发现和Web语义优化查询策略中的几个关键技术进行了分析和研究，主要内容包括以下几个方面： 1.对QoS属性进行了约束满足性研究和分析。 为了解决传统Web服务应用中较少涉及QoS属性或仅仅涉及单-QoS属性，本文对QoS属性进行了形式化描述，分析了QoS属性的分类和度量表示方法，并对QoS属性约束、目标函数和动态服务选择基因算法中采用的适应函数之间的关系，进行了关联分析。 由于QoS属性的值限制表示为TBOX中属性的势(Cardinalitv)约束，Web服务查询与请求中涉及QoS属性的匹配关系可使用描述逻辑TBOX中的蕴涵关系进行推理，从而实现QoS属性的约束蕴涵关系和折衷蕴涵关系。同时，本文采用OWL语言也对QoS本体的数据属性、对象属性和QoSParameter进行了代码生成，也提出了模糊描述逻辑和模糊Web本体语言Fuzzy-OWL(简称f-OWL)的表达方式和对应关系，实现了f-OWL推理和模糊、不确定语义信息的明确表达。 2.针对目前Web服务选择的研究大多基于QoS局部最优，且没有涉及模糊QoS属性的不足和局限性，本文提出了Web服务聚合中全局QoS最优的动态服务选择基因算法，解决了目前QoS局部最优服务选择策略的局限性，实现了各类用户在Web服务计划选择过程中，QoS属性的折衷和全局优质服务的选择。同时，本文基于多目标优化和模糊多属性分组决策的集成模型，提出了新型多模糊属性约束决策方法，主要解决了Web服务动态全局选择计划中，如何实现带有模糊QoS属性的优质服务选择。 Web服务聚合中，本文提出的全局QoS最优的动态服务选择基因算法和模糊多属性成组决策(FMAGDM)技术，较好地解决了在执行费用和时间均满足一定条件的情况下，如何折衷模糊QoS属性(可用性、可靠性和信誉/声望)实现全局最优服务选择问题，将产生现实的应用价值和实际意义。 4.由于WSDL对Web服务的QoS描述能力非常有限，它没有对服务的QoS度量进行具体的定义和描述，UDDI服务发现机制也没有根据QoS指标查找服务的功能。同时，目前Web服务的发现策略大多基于服务的精确匹配，较少考虑服务请求者和服务提供者的模糊主观倾向和意愿，本文基于模糊‘Web服务发现方法架构，提出了一个模糊Web服务发现方法，能够对主观和模糊意见原型化，主要解决了服务请求者和服务提供者在模糊术语和模糊选择属性倾向上如何达成一致，实现模糊QoS属性推理，从而提高精确Web服务发现。 5.为了使基于领域本体的语义查询具有更强的推理能力，本文使用描述逻辑ALCDQI形式化领域本体，借助ALCQI的逻辑推理能力以及ontology概念间的语义能力，并采用Monoid Comprehension Calculus作为领域本体查询转换的目标语言，充分利用其在嵌套和非嵌套collection型数据查询中的自然方法，定义了从用户查询到含幺半群概括演算的转换规则。为了减少转换过程中产生的临时变量和嵌套的层次，本文定义了语义的优化处理及查询重写规则，为实现领域本体的语义优化查询进行了创造性研究。 本文的研究，深化了Web服务选择、发现和语义Web查询中领域知识的建模、形式化表示和应用方面的理论和方法，对于领域本体的Web语义优化查询和带模糊QoS属性的Web服务选择和发现策略研究，具有重大的理论价值和实际应用价值。