随着云计算的快速发展,单一的服务已经不能满足现实功能的需求,需要在资源池中选择一组原子服务来相互协作,云服务组合的概念因此而来。云服务组合问题被视为NP难问题,也成为了云计算体系中的一个研究热度颇高的技术难点。近年提出的飞蛾扑火算法(MFO)具有易于操作、参数简单、便于编程等优点,有学者尝试将它用于解决云服务组合这一难题,取得了一些成果,但是由于飞蛾扑火算法存在收敛过快,缺乏种群内部交流,容易出现局部极值等缺点,随着场景复杂度的增加,实验中的可靠性、可用性以及适应度值迅速降低,并不能很好的满足用户的需求。为此,本文尝试提出改进的飞蛾扑火算法对云计算环境下QoS服务组合问题进行深入研究。论文首先介绍了研究背景和意义,并且按照时间顺序阐述了 QoS云服务组合场景下智能启发式算法的研究现状,之后对云计算和服务组合的基础知识做了简要介绍,随后对云服务组合常见智能启发式算法进行阐述,重点介绍了遗传算法、粒子群算法以及布谷鸟算法。然后,针对飞蛾扑火算法的缺点,提出了一种改进对数螺旋线函数的飞蛾扑火算法(ISMFO),它采用自适应权重方法改进了飞蛾对数螺旋线函数的飞行机制,当飞蛾靠近火焰时,自适应权重会依次减小,从而提高飞蛾的局部寻优能力,避免陷入局部最优解,并将飞蛾限制在搜索空间内飞行,防止飞到无效空间影响寻优效率。其次,为了扩大飞蛾的寻优范围,增强种群内部交流,本文提出了布谷鸟飞蛾扑火联合算法(CSMFO),该算法在飞蛾位置更新之后增加了飞蛾随机迁移机制,这样增大了飞蛾位置更新的随机性,使算法能够更好地进行全局搜索。本文进一步将提出的两种改进算法有机结合,提出了新飞蛾扑火算法(NMFO)。使用十个测试函数在matlab平台上进行测试,将提出的ISMFO、CSMFO以及NMFO和飞蛾扑火算法(MFO),布谷鸟算法(CS)以及粒子群算法(PSO)进行对比,测试结果表明ISMFO、CSMFO以及NMFO寻优效果均优于MFO、CS以及PSO,并且新飞蛾扑火算法(NMFO)寻优效果远优于其他五种算法,所以使用NMFO进行云服务组合仿真。最后,在cloudSim平台上使用三种云服务组合场景进行仿真,采用QoS属性中的执行时间、服务花费、可靠性和可用性以及适应度值进行性能评估,将提出的新飞蛾扑火算法(NMFO)与飞蛾扑火算法(MFO)、布谷鸟算法(CS)以及粒子群算法(PSO)进行QoS云服务组合仿真实验对比,实验数据显示NMFO在三个场景中可靠性、可用性以及适应度值均高于其他三种算法,由此说明新飞蛾扑火算法(NMFO)用于云服务组合能提高云计算服务组合质量和用户满意度。