Esta dissertação de mestrado aborda a Composição de Web services baseada em atributos de Qualidade de Serviço (CWSbQ). Foi selecionado o domínio de sistemas de e-commerce, por se tratar de uma área em franca expansão, tanto no cenário nacional como internacional. Além disso, os sistemas de e-commerce podem se beneficiar da CWSbQ devido à sua interoperabilidade e atendimento aos requisitos de qualidade de serviço de seus clientes. Foram implementados dez algoritmos para resolver esse problema, usando várias técnicas diferentes, sendo elas: busca aleatória, busca exaustiva, busca heurística, busca meta-heurística e um algoritmo híbrido. Foram realizados experimentos de avaliação de desempenho, considerando tamanhos de espaço de busca diferentes e dois deadlines estabelecidos. As principais contribuições deste trabalho foram o desenvolvimento de três novos algoritmos: Heurística Gulosa (HG), Heurística Gulosa 2 (HG2) e Algoritmo Genético Duplamente Híbrido (AGDH); o uso de planejamento de experimentos e avaliação de desempenho para aperfeiçoar Algoritmos Genéticos (AGs) usados no problema de CWSbQ; e o estudo de adequação dos algoritmos de CWSbQ para diferentes situações

This MSc dissertation addresses the QoS-aware Web services composition (QWSC) problem. The field of e-commerce systems was selected because it comprises an area in wide expansion, both in national and international scenarios. Furthermore, e-commerce systems can benefit from QWSC due to its interoperability and compliance to the requirements of quality of service of the customers. Ten algorithms were implemented to solve this problem by using several different techniques, namely: random search, exhaustive search, heuristic search, meta-heuristic and a hybrid algorithm. Performance evaluation was made considering different search space sizes for two different established deadlines. The main contributions of this work were the development of three new algorithms: Greedy Heuristic (GH), Greedy Heuristic 2 (GH2) and Doubly Hybrid Genetic Algorithm (DHGA); the use of planning of experiments and performance evaluation to improve the genetic algorithms (GAs) used in QWSC problem; and a suitability study of QWSC algorithms for different situations