随着互联网的广泛使用及相关技术日益成熟,服务提供商在Internet上开发、部署的服务越来越多,其中包含大量相同或相似功能属性但非功能属性不同的服务,导致用户难以在较短时间内选择出满足自身需求的服务。因此,如何从海量服务中选择合适的服务成为整个服务周期中至关重要的环节。传统的服务选择方法主要是从服务非功能属性即服务质量(QoS)方面进行考虑忽略了用户体验(QoE)的重要性,然而随着服务数量的增加,用户对所选服务的要求变的更加苛刻,他们在选择服务时不仅关注服务的客观因素更注重自身的主观感受。如:用户通过无线观看的视频能否满足其心理需求。针对传统服务选择方法存在的不足,本文将用户体验作为服务选择另一重要参数,并利用平均评估分值(MOS)对其量化,同时构建ACO-BP神经网络模型。最后,在用户对服务功能性需求确定的基础上,通过QoE与模型的结合选择出满足用户需求及用户体验的服务。基于用户体验的服务选择方法研究课题主要包含以下工作:首先,研究了现存基于非功能属性的服务选择方法、用户体验与服务质量的关系;其次,对传统BP神经网络的权值变化量进行了改进:权值变量项后增加动量项及舒缓项、使用自适应的学习速率、将改进后的BP神经网络与蚁群算法相结合,这些改进避免了神经网络系统出现不稳定、收敛速度缓慢以及容易陷入局部极小值的问题;最后,从用户体验角度构建了服务选择ACO-BP神经网络模型,并使用MATLAB工具对该模型进行了仿真实验与对比,进一步验证了本文所提模型的有效性。