服务计算模式允许组合各种Web服务,获得新的增值服务,实现了服务的重用。然而,由于服务数量的快速增加,Web服务的质量(Quality of Service, QoS)良莠不齐,在执行组合应用的过程中,可能由于某服务是恶意服务(携带病毒)或其QoS与服务提供商承诺的不一致而导致组合服务调用失败,也可能因环境变化而导致服务执行时所在的计算节点失效,导致组合Web服务应用不可用。因此,如何在海量的Web服务中,根据用户的服务请求,构建满足用户QoS需求的服务组合及容错方法仍然存在诸多挑战,本文针对上述背景下的若干关键问题进行了深入的研究,取得的主要成果如下：(1)研究基于QoS信任下的Web服务组合问题,提出了基于两个阶段的神经网络及QoS等级划分的服务组合方法,该方法利用两个阶段的神经网络筛选QoS受信任的Web服务,在保证全局约束条件及所有的组合成员服务都具有很好的QoS信任的条件下,建立等级划分的服务组合模型。然后提出了基于等级划分的服务组合算法,最大化组合后服务的效用值,进而获得QoS可信的近似最优解。实验结果表明,非信任服务的识别率达到90%,明显高于传统的CorrelationLens识别方法。此外,与整型规划方法相比,本文提出的基于QoS等级划分的组合算法的求解速度提升了近3倍,且获得的解已非常接近全局最优解,更好地确保组合服务的QoS指标受信任和最优。(2)研究大规模备选服务下的服务组合效率问题,提出了一种以快速抽样为核心的Web服务组合方法FAQS,该方法采用统计学抽样理论对Web服务QoS数据库进行研究,并对每个效用值区间内的服务进行抽样；其次,在样本空间内,对于所抽取的典型Web服务进行建模,即以Web服务效用值与Web服务使用频率值为目标参数建立服务选择模型；最后,根据得到的样本空间内的服务组合结果,在完全空间中进一步优化,选出满足全局QoS约束且保证QoS效用值与服务频率值最大化的服务。实验结果表明,该方法可以在大规模备选服务中准确、高效地获取服务组合结果。(3)研究组合方案中成员服务失效的问题,提出了组合方案的可靠性模型FTDes,即决策模型与优化模型,旨在提升Web服务组合方案的可靠性。在决策模型构建过程中,通过选取决策参数、构建决策矩阵、设计决策模型,为失效的成员服务找到可替代的备选Web服务集合；在优化过程中,把策略优化选择问题归结为0-1整型规划问题,提出顶点凸壳的过滤方法并结合标准的整型规划器CPLEX得到优化的服务替换方案。实验结果表明,与传统的决策方法(包括层次分析法APH、证据推理法ER、喜好值排序技术的决策模型TOPSIS、线性分配法LAM)相比,本文提出的方法从决策准确度、响应时间方面要优于传统方法,与此同时,本文分析了优化选择过程、TopK算法以及不同参数对于决策结果的影响,更好地保证组合服务的整体QoS指标得到进一步维持与优化,有效地提高了Web组合方案的可靠性。(4)研究组合Web服务应用的节点失效问题,提出了环形心跳检测机制与轻量级恢复机制,旨在提升组合Web应用的可靠性。在环形心跳检测机制中,为了减轻中心节点的压力,基于环形拓扑的检测方式设计了分布式的心跳算法,并在每个节点上部署该心跳算法；针对传统恢复方法时间开销过大的问题,提出了轻量级的恢复机制,设计了考虑负载重新分配的恢复算法,同时考虑集群负载超出阈值时,在环形结构中增加新的节点,从而降低集群负载,避免因负载过高而引起节点失效。实验结果表明,与传统的日志分析检测方法和系统级恢复方法相比,该检测与恢复机制的开销小、延迟少,避免了服务器节点失效导致组合Web服务应用的整体QoS降低,提升了组合Web服务应用的可靠性。综上所述,本文对QoS度量的Web服务组合中的组合方法与容错方法展开深入研究,提出了等级划分与快速抽样的Web服务组合方法,以及环形心跳检测机制与轻量级恢复机制,提升了Web服务组合的效率、准确性与可靠性,具有一定的理论意义及广泛的应用价值。