目前云制造模式下服务优选问题均以求某指标(服务时间、服务费用等)的最优服务组合方案为研究目标，建立数学模型，并通过元启发式算法进行求解。但是，在实际应用中，某指标的多组最优服务组合方案更符合需求方的需求。此外，元启发式算法的时间复杂度和空间复杂度较高，且存在调参困难、不收敛和局部最优的现象。为解决以上问题，本文首先以服务时间、服务费用为指标，以最小化前k个服务组合方案的服务时间(服务费用)为研究目标，建立了服务优选的数学模型；其次，本文提出的前k个服务组合方案优选问题为前k条最短路径的NP-hard问题，为高效求解建立的数学模型，基于云制造模式下服务优选的特点，提出了把NP-hard问题转化为P问题的方法，并设计了求解前k条最短路径的k_Dijkstra算法。为了验证k_Dijkstra算法的正确性与效率，本文对其进行了试验验证。实验表明：k_Dijkstra算法与MPS算法、DA和Yens算法相比较，准确度最高、算法运行时间最少，是一个高效的算法。