云制造是一种利用网络和云服务平台,将云计算、物联网等前沿技术同现代化制造业所包含的关键技术进行融合,为用户按需制造的新型“互联网+制造业”模式。如何合理有效地分配制造服务资源,进而提高制造服务资源的有效利用率和生产效率,是云制造服务理念的重要体现。目前对于云制造服务资源的搜寻和匹配方面已经取得了一些成果,但是还存在搜索效率低,匹配时间长,匹配条件单一,全局最优适应性差等问题,也不能很好的解决多目标约束的匹配问题。本文针对云制造服务资源特点和服务质量QoS评估指标,提出了一种解决云制造服务匹配的优化方法。本文的主要研究工作如下:(1)基于云制造服务资源搜寻匹配的过程,对具体的匹配问题进行数字化描述和分析,构建出相应的匹配优选模型,讨论实现云制造模式下服务资源匹配的关键技术问题。(2)根据云制造服务QoS评估体系和构建的云制造服务匹配优选模型,结合Pareto最优概念,提出多目标约束下的云制造服务匹配模型,并设计了一种改进的蜜蜂算法ADEBA-Pareto,融合差分进化算法和自适应杂交概率方法,改进蜜蜂算法的邻域搜索阶段,提高寻优能力,避免陷入局部最优,提高匹配质量和效率。通过改进的算法生成Pareto最优解集,再通过用户偏好有针对性产生最优解,避免了直接线性加权解决多目标问题带来的弊端。(3)根据云制造服务的特点,在算法匹配后期引入了负载平衡策略。设定阈值,对服务信息非常类似的制造服务进行负载值对比,选择负载值相对更低的服务资源,在改进的ADEBA-Pareto算法中实现了调整解的分布性,保证了匹配质量,现实中还能有效实现服务资源的合理配置。最后进行算法的有效性验证和对比仿真实验,以证明算法的优越性。(4)开发云制造服务匹配系统,设计了服务信息管理模块、服务匹配模块与服务推荐模块,可以根据用户提出的不同功能和指标要求,设置相应的参数指标,完成对制造服务资源的最优匹配和推荐,对理论研究进行实际成果展示。