制造业是实体经济的主体,推进制造业高质量发展成为我国经济发展的重要方向,传统制造模式已难以顺应经济发展新常态的要求,这就迫切需要加快转型升级。制造业的数字化、网络化和智能化成为了主要发展方向。云制造就是一种在制造业持续运用需求的牵引下基于网络面向服务的智能化制造新模式。资源调度是云制造的核心问题之一,资源调度的质量直接影响云制造平台运行的质量。因而,重点研究了云制造环境下的资源调度的问题。对云制造环境下的制造过程进行分析,并对资源调度的运行机制进行研究,对云制造平台中复杂且庞大的制造项目进行分解,将项目分解为多个有约束关系的任务,将每个任务分解为数个相对独立的子任务,为资源的调度提供支撑。基于云制造平台用户制造需求的多样性,考虑时间、成本、用户满意度和服务质量等多个目标,建立多目标静态资源调度模型,基于云制造环境下显著的动态性和易出现干扰的特性,将静态调度模型中加入了基于周期和事件双驱动的动态调度策略,提出一种云制造环境下的混合调度模型,在提高资源调度效率的同时也保障了资源调度的稳定性。在调度算法的设计中,粒子群算法易于实现且寻优时收敛速度性能较好,但在寻找最优解的过程中容易陷入到局部最优。将免疫算法引入其中,运用基于亲和力的变异策略,防止陷入局部最优同时避免了种群退化。改进种群更新策略,运用由个体浓度和亲和力共同控制的抗体平衡选择机制,对抗体进行划分并将它们按照不同方式进化,优化种群变异策略,增加寻优的范围并加快了收敛速度。将每次迭代得到的优质抗体进行精英选择后存入到记忆单元并对种群更新的个体进行免疫选择,加快种群的收敛速度。通过仿真实验验证本文中的模型的高效性和稳定性,验证算法的收敛速度和求解精度的优越性。最后运用实例验证本文提出的调度方案能够高效地完成云制造环境下资源调度的任务,证明了调度方案在实际生产中的有效性。