1.一种面向服务组合的约束强度感知的QoS约束分解方法，其特征在于：(1)面向服务组合的约束强度感知的QoS约束分解模型；

考虑一个包含n个任务T＝{t1,t2,…,tn}的工作流，任务ti有mi个候选服务，设用户对q1,q2,…,qu等u种QoS属性提出上限约束cq＝{cq1,cq2,…,cqu}，并设定它们都是减益性属性(增益性属性可以通过乘以-1转化为减益性属性)，约束分解后对任务ti的第j种QoS的上限约束为xqij，构建全局QoS的约束分解模型如下：目标：

约束条件：

xqir∈[min(QoS(sij,qr)),max(QoS(sij,qr))],i∈[1,n]    ③式①描述模型的优化目标，即最大化所有任务的候选服务中满足上限约束为xqij的个数的乘积，其中，#{A}表示集合A中元素的个数；QoS(s,qr)表示服务s的qr属性的值；

式②用于自应用用户的约束强度，其中，QoS(cs*,qr)表示当任务ti的第r个QoS取值为xqir时，整个工作流的第r个QoS的聚合值，γr为引入的松弛因子，当约束强度较强时，γr应取大于0的值以多保留一些候选服务，提高寻找组合方案的成功率；当较弱时，γr可为0或小于0的值，以保障全局约束或多淘汰一些候选服务，降低解空间；

式③用于约定xqir的取值范围，其中min(QoS(sij,qr))、max(QoS(sij,qr))分别表示任务ti的所有候选服务中，属性qr的最小值与最大值；

(2)约束强度定义；

假设存在组合服务cs#＝{s1#,s1#,…,sn#}， 则用户对qr的约束强度ωr(r＝1,2,…,u)由公式④确定；

其中QoS(cs#,qr)表示cs#的第r种QoS的聚合值；

(3)基于模糊推理的松弛因子自适应调节方法；

松弛因子的取值，主要受到任务个数、约束个数、约束强度等因素的影响，由于约束个数通常较少，可以分别针对每种约束个数的情形，确定松弛因子的取值，即对于给定的约束个数，分别设计出任务个数、约束强度及松弛因子的论域、模糊子集与隶属函数，并设计出任务个数、约束强度及松弛因子之间的推理规则，从而确定出松弛因子的投影曲面。