1.一种基于协同感知的可信服务组合方法，其特征在于：该方法包括以下步骤：步骤1：每个任务T可以分解为一系列的子任务Ti，Ti＝{T1，T2，…Ti，TI}，其中，Ti表示任务的第i个子任务，I为子任务的数量；

步骤2：满足任务要求的服务被聚合在一起形成候选服务集，子任务Ti对应一个候选服务集CSi， 其中， 表示第i个子任务对应的第j个候选服务,J为该子任务对应的候选服务集中服务数量；

步骤3：子任务Ti从候选服务集中选择符合任务要求的服务 最终选择出服务总要求的服务链，选出的服务链可表示为：步骤4：假设子任务Ti有m个候选服务 理论上，完成任务T有 条符合要求的服务链，其中，m为对应工序的子任务,I为子任务的数量,i＝1,2,...,I，选择服务链的过程中根据任务要求考虑若干QoS指标约束，根据各种指标的约束不断调整选择的服务和计算服务间的协同度，最终确保所选择的服务链在满足所有任务要求，即，在所有可能的组合路径中选择一个最优的组合路径；

步骤5：在步骤4的QoS指标约束下和最大化协同度的基础上，利用改进的遗传算法求解满足任务要求的最优的组合路径；

步骤6：执行本次任务前，中间平台向参与任务执行节点通信，进行共识投票，服务根据自己已有的信誉记录对执行结果进行决策，执行后，中间平台和服务本身对反馈的结果进行信誉分数更新，中间平台对服务非功能QoS属性进行调整；所述可信服务组合方法中对具有虚假数据的服务的非功能QoS属性值根据任务结果反馈调整；

步骤6具体包括：

服务提供商自身保存历史合作记录和结果以及对已合作服务提供商的信誉值，服务组合算法平台维护一张含有所有服务提供商的总信誉值表；

选择阶段：挑选合适的服务组成复合服务，挑选同时验证被挑选服务的信誉值是否低于阈值，低于阈值则不被考虑在内；

决策阶段：中间平台向本次任务的服务集合分发消息，包含此次服务集合节点，各服务节点查询自身信誉表进行决策；

执行阶段：开始执行复合服务，结果反馈服务组合算法平台以及对应的服务提供商；

信誉模块：服务提供商，根据投票详情和服务结果进行本次任务信誉更新，任务执行结果和投票详情成正相关，信誉加分，反之扣分；服务算法平台，根据投票详情和服务结果进行本次任务信誉更新，任务执行结果和投票详情成正相关，信誉加分，反之扣分；

动态调整：根据实际执行结果和预期执行结果的百分比修正更新本次负相关服务的非功能性QoS属性值，修正非功能QoS属性公式：

其中， 表示此服务更新后的j属性值， 表示此服务原本的j属性值，calRes表示执行后的任务结果，relRes表示预期的任务结果。

2.根据权利要求1所述的一种基于协同感知的可信服务组合方法，其特征在于：所述步骤4中，QoS指标包括时间time、成本cost、成功率success‑ability、可靠性reliability中的一种或多种。

3.根据权利要求2所述的一种基于协同感知的可信服务组合方法，其特征在于：所述步骤4中，可信服务组合方法中的目标函数涉及服务之间的协同度以及任务执行质量，目标函数是使得给定任务完成最优且具有高度协同，减少不必要的消耗。

4.根据权利要求3所述的一种基于协同感知的可信服务组合方法，其特征在于：所述步骤4包括：步骤4‑1：正负指标归一化

正特性和负特性以不同的方式缩放，时间time特性和成本cost特性属于负指标,对结果造成负影响，而可靠性reliability、成功率success‑ability是属于正指标，对结果造成正影响，属性归一化处理如下定义：其中，qu表示属性对应的数值，Qu表示该属性归一化后数值，u可表示为cost、time、reliability、success‑ability非功能QoS属性，正属性按照4.1‑1式计算，而负属性按照

4.1‑2计算；

步骤4‑2目标约束公式：

其中，Costall表示此服务组合预计花费的总成本，cost为用户需求最大花费阈值；

Timeall表示此服务组合预计花费的总时间，time为用户需求最大时间阈值；Sucall表示此服务组合预计的总成功率，suc为用户需求最小成功率阈值；Relall表示此服务组合路径预计的总可靠性，rel为用户需求最小可靠性阈值，Q为属性经过归一化的值， 表示子任务Ti选择的j服务；

步骤4‑3：协同计算模型

单指标协同计算公式：

其中， 表示子任务i和子任务j关于opt指标的协同度，opt可表示为技术协同Technical synergy、质量协同Quality synergy、组织关系Geographical relationship、资源相关关系Resource‑related relationship；

任务整体协同计算：

F＝p1Costagg+p2Timeagg+p3Sucagg+p4Relagg 4.3‑3式4.3‑1中，Si,j表示子任务i和j关于合作水平高低的总协同度，Uij表示两组具有相连关系的服务的每个指标的协同度，介于0和1之间，数值0的服务间指标最不协同，数值1的服务间指标最协同，整体任务的总协同度用线性加权计算，wn为对应指标影响因子的权重；

式4.3‑2中，C表示利用物理耦合模型计算任务整体的协同度；

式4.3‑3，F为任务综合执行指数，反映子任务间的执行水平水平，p1、p2…pn为权重因数，Costagg表示此服务组合预计花费的总成本，Timeagg表示此服务组合预计花费的总时间，Sucagg表示此服务组合预计的总成功率，Relagg表示此服务组合路径的总可靠性；

式4.3‑4中，H为修正后的协同度，将任务整体协同度C与任务综合执行指数F结合起来，反映整体任务协同水平以及执行水平。

5.根据权利要求1所述的一种基于协同感知的可信服务组合方法，其特征在于：所述步骤5包括：一个具体的复合服务被编码为染色体，染色体以整数数组的形式呈现，其长度等于所涉及的抽象服务的数量，整数组中的每个项依次包含匹配该抽象服务的候选服务， 表示i任务的j子任务，而 表示对应此任务的第k个可选服务；

适应度函数用于提供个体适应度的度量，选择算法在相对适应度不同的情况下选择单个个体进行复制，使用排序方法来计算防止过早收敛的个体的适应度，排序方法根据每个个体在群体中的排名而不是其先前的表现来分配适合度，个体的适应度由以下规则确定：其中，Fitness(T)表示目标函数值，即概率值，通过该目标函数值的大小进行排序，表示对应任务T的服务组合集，Max表示最好的个体被选中的概率，用于确定对最适合的个体的偏见或选择压力，Min为下限，表示最坏的个体被选中的的概率，Nind为群体规模，Inc为相邻个体适合度之间的差异，Low为最不适合个体的预期试验次数。

6.根据权利要求1所述的一种基于协同感知的可信服务组合方法，其特征在于：所述步骤6还包括根据任务执行结果反馈修改。