云制造是一种前沿信息技术与制造技术深度融合的新型制造模式,云制造环境下制造服务的组合优选与按需配置是云制造模式开展过程中的核心业务。制造服务是云制造模式中的核心资源,提升云制造服务组合优选的可靠性、稳定性对支持云制造模式的落地应用具有重要意义。由于云制造任务与服务都长时间处于扰动频发的动态生产环境中,迫切需要提升云制造服务的自适应、自决策能力。因此,论文围绕云制造环境下制造服务自适应组合优选方法展开研究。首先,分析云制造环境下的通用运行模式、制造资源属性特性,研究一种制造资源的本体模型构建方法与一种服务化封装方法;在此基础上,分析云制造环境中的随机扰动因素,提出一种包含初始规划阶段与任务执行阶段两阶段的制造服务自适应组合优选策略。其次,从云制造任务初始规划阶段的角度,考虑历史评价指标随时间发生动态变化的因素,研究一种基于多目标进化算法的制造服务静态组合优选方法,实现制造任务流程的初始规划;从云制造任务执行阶段的角度,考虑服务需求变动与资源状态变化的因素,研究一种基于强化学习（Reinforcement Learning,RL）的云制造服务动态组合优选方法,将处于生产扰动环境中的制造服务动态组合问题转化为一类序贯决策问题,并通过Q-Learning算法进行求解,从而有效提升服务动态决策能力。最后,基于以上的研究成果,结合课题组前期开发的云制造服务平台,开发云制造环境下制造服务自适应组合优选模块,对以上研究内容进行初步应用验证。