在面向服务的体系架构中,Web服务是一种典型的技术手段,单个Web服务由于功能有限已不能满足用户复杂的应用请求,因此催生了通过组合现有Wcb服务来构建满足用户复杂需求的增值服务的Web服务组合技术。其中基于QoS的Web服务组合成为当前研究的热点,其目的是在系统的功能需求被满足的前提下,根据非功能属性即服务质量(Quality of Service, QoS)求得最优的Web服务组合方案。然而,纷繁复杂的服务均处在动态变化的开放互联网环境中,因缺少监管多少都会存在欺诈行为,传统服务选择方法得到的高QoS并不能保证服务的可信性,这将导致最终组合出的组合服务也无法真正满足用户需求。针对以上问题,本文提出了一种基于可信度计算与QoS相结合的Web服务组合优化方法。具体地说,本文从客观和主观两个方面对Web服务的QoS属性进行了可信度评估和权重计算,分别通过贝叶斯学习理论和用户评价给出客观信誉和主观信任的评估计算方法,并采用粗糙集理论及模糊层次分析法给出属性权重的计算方法,从而提出融合了可信度的QOS度量模型。在局部优化阶段,根据此度量模型评估出的可信QoS度量值对抽象服务的候选服务集进行排序和筛选,然后再根据选出的具有可信性的优质服务进行后续的全局组合优化。在全局优化阶段,将服务组合问题建立为多目标优化模型,并对当前最新的元启发式优化算法——布谷鸟搜索算法进行了改进,采用改进的布谷鸟多目标搜索算法对模型进行求解。最后本文进行了一系列的仿真实验来评估验证这些方法。实验结果表明,本文提出的服务选择方法可以既满足用户对服务的质量要求又保证其可信性,且提出的改进算法的性能显著的优于其他几种经典算法。