随着云计算及“软件作为服务理念”的扩散，互联网环境下软件系统的主要形态、运行方式、生产方式和使用方式正发生着巨大的变化。近来随着服务数量的爆炸性增长，网络上分布着大量功能相同、非功能特性各异的服务。如何在规模较大的功能相当的服务集合中选择质量较优且能够可靠运行的满足用户需求的服务成为一个亟待解决的问题。
　　在这种竞争环境中，服务的选取是一个复杂的决定过程，牵扯了许多利益相关者，服务提供商与候选服务提供商所获得的效益是此消彼长的关系，并且他们的需求不能同时得到最大程度的满足。而各个候选服务提供商之间既是相互竞争的关系，又有相互协作的部分。因此组合拍卖作为一种有效解决多质量等级服务选取问题的模式，越来越多的被应用于基于服务的软件系统(SBS，Service-based software system)服务选取的过程中。但目前大部分利用组合拍卖解决服务选取的方法都仅仅将组合拍卖模型直接照搬到服务选取问题中，这种做法忽略了web服务选取问题自身的特性，导致服务选取的质量和效率并没有很大程度的提升。
　　因此，本文提出了基于组合拍卖的优化方法对服务选取问题进行深入的研究。主要的研究体现在以下几个方面:
　　(1)提出了一种基于关联感知的组合拍卖服务选取优化方法。其思路是通过对于候选服务之间潜在关联关系的获取来提高SBS整体性能。针对以上的思路，定义了服务关联关系，并且给出了服务关联关系的提取框架以及方法。同时，提出了一种基于关联关系的多属性组合拍卖服务选取方法，用于表达候选服务之间的关联关系，从而更高效的选取适合的候选服务。在此基础上，文中系统的描述了考虑服务之间关联关系的情况下，组合拍卖的拍卖过程，提出了基于服务关联关系的服务选取模型以及支持机制。
　　(2)针对需求的获取质量是SBS成功与否的关键，在需求收集和获取阶段要检查和确定丢失或错误需求所要付出的努力是巨大、耗时且容易出错，并且询价机制的设计是组合拍卖的核心，决定了组合拍卖的效率和效用。本章提出了一种需求导向的自适应询价组合拍卖服务选取方法，该方法利用已有的相似SBS领域知识即SBS特征模型辅助引导用户进行需求描述，使用推荐系统为具有部分特征的待开发SBS推荐特征，从而进行需求辅助获取。同时，利用层次分析法确定SBS需求的服务质量(QoS，Quality of Services)属性权重，确定面向需求导向的服务选取模型。同时，本章提出了自适应询价模型，利用最小衰减率，更精准的根据候选服务提供商的历史出价信息，进行自适应询价，从而提高组合拍卖的效率和质量。
　　(3)随着SBS设计者需求的不断提高，竞胜标问题的求解模型往往被建模为多目标问题，随着问题的复杂程度逐渐提高，使用智能算法解决竞胜标问题可以提高求解的质量和效率。提出了求解面向组合拍卖服务选取竞胜标确定问题的改进多目标离散人工蜂群算法(MMOABC，Modified multi-objective discrete artificial bee colony algorithm)。该算法是一种针对多目标复杂问题的策略与参数自适应调节算法，无论SBS设计者的需求如何复杂，都可以从SBS整体性能最大化，花费开销最小化等角度通过组合拍卖的方式，选取到最适合的候选服务组合。
　　(4)针对云服务呈现出数目庞大、发散、动态演化、异构等特征。提出了一种基于树形结构组合拍卖的多Agent云服务选取方法，该方法是一种考虑云服务特点的服务选取优化方法，可以促进SBS设计者与候选云服务提供者在各自收益与服务QoS需求之间进行权衡，该方法不但在保证候选云服务提供商所提供的服务符合SBS设计者的服务等级协议(SLA，Service-Level Agreement)要求的同时，实现候选服务提供商和SBS设计者各自收益的相对最大化，而且是有效率的。加入了树形结构组合拍卖约束，对候选服务提供商提交的标的进行合理的限制，降低了云计算环境下解决竞胜标问题的计算复杂度，提高了云服务选取的效率。