近年来云计算开始快速发展并得到广泛应用,人们实现了在没有计算机基础设施的情况下访问计算服务,由于感受到云服务的便利性,因此越来越多的中小型企业或个人用户开始倾向于使用云服务来构建他们的业务系统或个人应用程序。随着云服务市场竞争日益激烈,许多云服务供应商开发了大量功能相同或相似的产品,因此如何合理地评价各家云服务产品的优劣,成为了当前学术界和产业界共同研究的热点问题。而解决这一问题的关键就是需要对云服务的质量进行评价排序。针对云服务质量评价问题,研究人员们设计出许多云服务选择技术来帮助云用户们进行服务选择,其中TOPSIS方法是应用较为广泛的一种评价选择方法。但是现在运用到云服务质量评价上的TOPSIS方法存在以下四类亟待解决的数学问题:1、用户在描述云服务质量评价指标值时,一般会犹豫且难以用一个定量的数值去表达出自己的意见;2、决策者在确定正负理想解时要根据具体情况进行确定,也就是说有时候正理想解并不是各方案的准则最大值或1的集合,负理想解也并不是各方案的准则最小值或0的集合,它们可能是介于最值和极值之间的某个值;3、随着指标体系的增大,数据量也越来越大,处理数据难度大;4、很多时候评价数据的区分度较小,通过分析以上问题,本文认为不能只改进方法中的某个步骤来达到解决问题的效果,而是需要从TOPSIS方法的各个步骤进行适当改进优化来得到整体最优性。本文最终提出了四种基本的拓展犹豫模糊TOPSIS方法,这四种方法不仅针对方法的某个步骤进行了改进,而且对方法的整个流程进行改进,包括评价信息表达、距离测度确定、正负理想解确定以及相对贴近度,这样比起单独改进方法中的某个步骤的效果更好,考虑的更全面,且这四种方法虽然侧重点不同,但相互补充,且一一解决了上述四类数学问题,使得云服务质量评价结果更精确。本文首先阐述了云服务质量评价的研究背景与意义,并对有关云服务质量评价和模糊TOPSIS方法的国内外研究现状做了详细介绍,并总结出现存的模糊TOPSIS决策方法存在的主要问题。其次分析了云服务质量评价问题的特点以及TOPSIS方法解决云服务质量评价问题时存在的四类数学问题,以及针对上述问题提出了四种基本的拓展犹豫模糊TOPSIS方法:针对不确定表达的拓展犹豫TOPSIS方法、针对可调节正负理想解的拓展犹豫TOPSIS方法、针对数据区分度小的拓展犹豫TOPSIS方法和针对大数据量的拓展犹豫TOPSIS方法,用来更好更有效地解决云服务质量评价问题。最后用一个云存储选择案例对该方法体系的有效性和可行性进行验证。