论文题目：
QoS prediction for web services in cloud environments based on swarm intelligence search
问题：
在真实的云计算场景中，用户通常只会调用很少的Web服务，并且只能提供一小部分的QoS记录。缺少QoS值使得服务推荐变的困难，为了克服这一困难，有必要为用户预测准确的QoS值。
大多数现有的算法通过聚合局部相似邻居的QoS值来解决QoS预测问题，这很容易导致局部最优。
解决办法：
提出了一种全局搜索最优的QoS预测模型。
其中，粒子群优化算法被引用和改进，改进方法是多样化初始解+平滑离群粒子。
结果：
基于一个著名的公共QoS数据集的实验结果表明，该方法显著优于现有的协同过滤方法，它使MAE和RMSE最少分别降低5.42%和1%，最多分别降低14.29%和2.25%。
细节：