在信息技术快速发展、市场需求趋于多样化的今天,云制造作为一种新的商业模式,一直是制造领域备受关注的研究热点。云制造通过云计算和物联网等现代信息技术,以便捷的“即用即付”模式将制造资源或制造能力以服务的形式提供给用户,用户可以根据需要选择、配置和使用定制的制造服务。随着云制造领域的深入研究和云制造应用的逐步推广,越来越多的制造资源被转化为云制造服务供用户调用,同时,用户提交的制造任务也趋于复杂化,需要将其转化为多个粒度更小的任务,通过云制造服务的组合来完成整个制造任务。因此,需要对云制造环境下面向多任务的服务组合优化进行深入研究。云制造任务分解与云制造资源功能匹配是面向多任务的云服务组合优化的前提与基础,然而,目前对云制造的研究主要集中在云服务组合优化阶段,对于云制造环境下的任务分解和资源匹配却有着较少的研究。为了促进云制造的应用,本文从整体出发,在对云制造任务和云制造资源进行分析的基础上,构建包含云制造任务分解阶段、云制造资源功能匹配阶段和云制造服务组合优化阶段的三阶段模型,深入研究云制造环境下面向多任务的服务组合优化机制。云制造任务分解阶段将用户提交的复杂制造任务分解为若干粒度合适的子任务;云制造资源功能匹配阶段负责为每个子任务匹配到能实现其目标的制造资源,形成候选云服务集;云制造服务组合优化阶段则是在前两个阶段的基础上,从每个子任务的候选云服务集中选出一个合适的服务以形成最优的组合,每个阶段的输出是下一阶段的输入。在云制造任务分解阶段中,本文首先根据制造产品和制造过程的特点对制造任务进行模块划分和制造工序分解;其次,通过任务的内聚程度判断其粒度大小是否合适;最后,根据改进的云制造任务分解规则完成对制造任务的分解,并以具体的算例说明所提改进任务分解规则的可行性和有效性。在云制造资源功能匹配阶段中,本文首先对云制造任务和云制造资源进行本体建模和描述;其次,根据本体模型中的概念确定云制造任务和云制造资源的功能匹配要素;最后,提出改进的本体语义距离计算方法,确定本体概念间匹配度的大小,并以具体的算例说明所提改进语义距离计算方法的可行性和有效性。在云制造服务组合优化阶段中,本文首先将云制造服务的通用服务质量(Quality of Service,Qo S)指标划分为刚性指标和柔性指标,并用熵权法对各个指标赋予权重;其次,根据刚性指标采用ELECTRE法对候选云服务集进行初选以缩小云制造服务组合优化的搜索空间;最后,根据柔性指标采用粒子群算法(Particle Swarm Optimization,PSO)对云制造服务组合进行优化,并以具体的算例说明云制造服务组合优化阶段中初选阶段的可行性。最后,以具体的案例详细说明每个阶段的运行过程以及各个阶段之间的联系,验证本研究所提模型的可行性和有效性。