近年来，随着无线网络和便携式设备的快速发展和普及，一个由各种网络、便携式设备、传感器和服务器组成的移动普适计算平台开始显现并逐渐渗入到人们的日常生活。这一新的计算模式将使人们能够在任何时间和任何地点通过便携式设备来获取各种信息服务。然而，与传统的资源丰富、环境相对稳定的分布式计算相比，该计算模式的计算环境表现出移动多变和资源受限的特征。因此普适计算应用系统要向用户提供满意的服务，就需要基于环境感知的自适应技术的支持。本文的研究围绕普适计算中环境感知技术和自适应的服务管理展开。通过应用一阶谓词逻辑、模糊逻辑、层次化评估和模糊控制等方法，本文对普适计算环境信息模型、服务评估、服务选择和服务质量(Quality of Service, QoS)管理等内容进行了深入讨论，并系统地研究了普适计算环境感知框架、服务准备模型和服务配置方法等自适应性关键技术，以实现满足用户服务需求和提高便携式设备受限资源利用率的目标。本文研究工作的主要内容及创新点如下：第一、在深入研究当前普适计算环境应用框架的基础上，本文提出了一个包含环境信息的获取、分类、推理和分发机制的环境信息服务框架，为具有环境感知特性的服务自适应技术的开发和实现提供环境信息服务的支持。在该框架内部，本文构建了一个包含时间标记和度量类型的扩展谓词环境信息模型，它可以为应用系统提供统一的环境信息表示方法，以便实现环境信息的共享和重用；第二、针对普适计算环境移动多变和资源受限的特点，本文提出了面向移动用户和便携式设备的“服务满意度”(Degree of ServiceSatisfaction，DSS)的模型并把它作为服务评估和选择的依据。鉴于用户感知的模糊属性和QoS因素的复杂性，本文提出了包含一阶谓词逻辑和模糊逻辑推理的层次化的QoS评估算法，并深入研究了服务/移动节点数量与系统开销之间的变化关系，为改善系统特性提供了很好的指导。实验结果表明该算法在大规模并行服务准备时，仍能保持较低系统开销（小于1.35秒），体现了模型和相关算法的高实用价值。第三、针对移动和资源受限引起的QoS不稳定的问题，本文首先将QoS的管理抽象为一个闭环的QoS控制问题，然后提出了一个基于模糊逻辑控制(Fuzzy Logic Control，FLC)策略的动态服务配置方法。本文提出并实现了两种服务配置模糊逻辑控制器和相应的配置算法，它们能够根据关键QoS和受限资源的变化，自适应地驱动应用系统服务链的再配置和服务节点内QoS参数的重新调整。实验结果表明，与其他方法相比，本文提出的方法在消耗较少资源的情况下，能够获得较高的关键QoS平均值和较低的关键QoS波动值。第四、利用Context Toolkit、Jess和开源的模糊控制引擎软件包,本文开发实现了普适计算环境中的服务自适应原型系统，包括服务评估和选择算法、配置算法和服务配置模糊控制器等。服务器端采用Eclipse的Java开发，而移动端则应用EclipseME结合多种智能手机厂商的J2ME开发包实现。本文以普适计算环境下服务自适应性为研究对象，重点讨论了具有环境感知的服务自适应过程中服务准备和服务配置所涉及的相关理论和技术。模拟实验的结果和原型系统的实现验证了本文提出的服务自适应性相关的模型和算法的有效性、可扩展性和实用性。