随着新一代信息技术与互联网的飞速发展与推广普及,各应用领域的服务业务不断跨网跨域跨界交叉融合,进而形成了复杂的服务生态系统。如何在复杂服务环境下,针对顾客的特定需求来优化服务业务,并通过服务融合与资源复用等手段构造最佳的服务解决方案成为目前需要解决的难题。针对这一问题,本文重点研究领域服务优化问题(服务推荐、服务选择和服务组合问题),在复杂多变的服务生态环境下,提出一套基于需求-服务匹配的服务解决方案构造和优化方法,采用领域相关的模式来构造跨领域的服务解决方案,实现跨多个领域的服务资源聚合。该方法基于历史经验分析顾客的需求模式,还挖掘各领域长期形成的服务模式。进而,建立需求模式与服务模式的偶对匹配机制,完成顾客需求与服务解决方案间的映射,支持服务解决方案的高效构建。本文主要内容如下:(1)在“需求-工程”两段式服务开发范型(“Requirement Engineering”TwoPhase of Service Engineering Paradigm,RE2SEP)的基础上,本文分析了服务系统中三种不同需求类型的显著特征以及识别出需要解决的主要问题,介绍如何在RE2SEP范型的指导下有针对性的进行系统优化。具体地,针对不同的问题特性给出相应的解决方法和思路,将服务系统中面临的问题分为基于模式匹配和时间间隔预测的服务推荐、基于需求-服务概率矩阵的服务选择和基于模式偶对矩阵的服务组合。(2)提出基于模式匹配和时间间隔预测的服务推荐方法。鉴于服务系统中的服务数量急剧增加,本文通过挖掘历史记录中的知识有效地发现用户的潜在需求,做到在正确的时间将合适的服务推荐给目标用户。具体地,提出基于模式匹配的候选服务识别方法,通过用户聚类和评分偏好找到目标用户的潜在需求模式,进而找到相似的用户群,挖掘相似用户群的服务使用序列中出现频率较高的面向时序的服务模式,利用模式匹配发现目标用户潜在候选服务。其次,提出基于候选服务和时间间隔预测的服务推荐,通过生成概率模型有效估计不同服务之间的时间间隔,并且使用贝叶斯个性化排序优化服务之间的偏序关系,从而,做到在正确的时间推荐合适的服务,提高推荐质量和用户体验。(3)提出基于需求-服务概率矩阵的服务选择方法。由于巨大的搜索空间,现有方法很难在有限的时间内从海量的候选服务中选择高质量服务,构造可行的、满足用户质量需求的全局最优服务解决方案。为了解决该问题,本文以历史数据中获得的先验知识指导概率匹配矩阵的构建,有效地缩减服务选择问题的搜索空间,以达到提高效率的目的。其次,质量感知服务选择问题作为NP难问题,研究人员应用各种进化算法,通过寻找近似最优解决方案来降低时间复杂度。为了解决进化算法参数设定问题,研究了服务选择问题的特征、进化算法的参数值和优化结果之间存在的依赖关系。从而,在避免多次繁琐尝试而寻求最优参数设定的前提下,为基于需求-服务概率矩阵的服务选择进行参数优化设定。(4)提出基于模式偶对矩阵的服务组合方法。为满足用户所提出的复杂性更高的个性化功能性服务需求,而不是局限于系统提供的标准化流程,服务组合技术被广泛用于构建复杂的、增值的组合服务。为提高服务组合效率,本文主要研究了包括为解决语义对齐而提出的本体构建和融合方法、发现功能需求模式的形式概念分析方法、提高相关服务发现效率的面向功能的服务模式挖掘方法、描述功能需求模式和面向功能的服务模式之间偶对关系的矩阵构建方法,以及基于模式偶对矩阵的服务组合方法。与从零开始构造服务解决方案的方法相比,该方法由于考虑面向功能的服务模式有效地缩减了相关服务的搜索空间,并使用模式偶对矩阵为面向功能的服务模式建立了快速索引机制,进一步提高了搜索效率,取得了很好的实验效果。