随着互联网的发展,应用程序逐渐进入网络时代。各种应用程序如何在不同平台上建立交互操作,是面临的一个基本问题。因此需要制定一个能使应用程序相互通讯的机制和标准迫在眉睫。这时Web Service应用而生。Web Service以良好的互操作性、可重复性、灵活性高、造价低等优点,获得了巨大的成功。但单一的、重复的Web Service不能再适应当前的Web环境,对现有的Web Service进行动态有效组合,形成一个新的增值的Web Service,是当前研究的热点。有不少学者把传统遗传算法应用到Web Services组合中,但随着数据和信息量的增长,收敛速度越来越慢,往往容易造成局部收敛,本文针对Web Services组合提出一种基于粗糙集的混合的遗传算法模型,对现有的遗传算法进行了改进。首先,通过采用功能性需求的解决方案来对染色体编码,建立初始种群,使Web Service的选择更加简单易懂；然后,用粗糙集中的约简规则,来缩小了初始种群的域范围,改善了传统遗传算法的性能；同时遗传算法在交叉和变异时用约简规则来验证组合的可行性,缩短了收敛时间。最后,通过不断的迭代,获得用户需要的Web Services组合最优解。本文先详细介绍了Web Service的相关技术和粗糙集理论知识；然后对本文提出的算法模型,进行详细的阐述并举例说明,最后通过仿真实验与传统遗传算法进行比较,实验结果证明该方法的有效性。