随着云计算技术的普及,用户可以通过互连网络获取自己所需的资源,系统以云服务的形式满足用户的请求。然而,对于同一个用户请求,往往有多个具有相同功能而服务质量(QoS)不同的云服务满足要求,所以如何选择一个可信、可用、可靠的云服务成为研究重点。同时,用户以QoS为基础的请求变得更加复杂多样化,但单一的原子服务并不能有效满足用户的请求,需要通过组合方法将单一原子服务组合成复合服务。因此在服务组合的过程中,对于如何选择适合的原子服务使得全局的QoS值最优同样成为关键性问题。针对这两个问题,本文做了如下的工作:首先,针对于云服务选择过程中,用户难以选择可信、可用、可靠的云服务。本文提出一种基于信任度变化趋势,并结合QoS服务质量的云服务选择模型。信任度的计算分为两部分,一部分根据贝叶斯原理计算信任度值,另一部分则是将历史信任度值进行最小二乘的拟合,得到能更准确反映评价信息的信任变化趋势值,结合信任度变化趋势值和信任度值,确定其综合信任度值。然后,根据云服务的QoS量化模型,计算得到客观的QoS聚合值,在此基础上,引入了信息熵来确定可信参数加权的问题,从而得到最优的服务选择。仿真实验表明,该模型能够体现云服务主体信任度的变化,增强云服务选择的预判能力,有效地提高服务选择的成功率。其次,针对现有研究对服务选择算法难以满足用户全局QoS最优以及现有的粒子群服务选择算法容易陷入局部最优、早熟收敛的问题。本文提出了一种自适应的混沌粒子群服务选择算法(ACPSO),引入了根据自适应值来计算早熟收敛程度的定量分析指标,由早熟收敛程度可以将粒子群分为三种不同的类别,自适应的赋予每个类别不同惯性权值,兼顾粒子群的全局最优以及局部最优,得出了一种新的解决全局QoS最优的云服务选择方法。仿真实验表明,该算法能有效解决早熟收敛,提高了服务选择中寻找全局最优的精确度。目前云环境下的服务选择的研究尚未饱和,深入对云服务选择问题的研究能够推动云计算进一步普及和发展。