制造业作为我国实体经济的重要产业,面对经济与科技发展所提出的新常态要求,将信息转化成数据,通过互联网共享并实现媒体感知功能作为转型升级的发展方向已是必然趋势。为打破“制造孤岛”的现象,提升制造资源利用效率,结合云计算强大的数据处理能力和物联网等信息技术构建出云制造这一新兴制造模式。云制造使得用户能够随时随地按需获取制造全生命周期的服务,实现了资源高度共享,服务增值增效,是推动中国从制造大国迈向制造强国的基础。云制造以面向服务的制造云平台为主,其中服务组合问题是目前研究的核心要点之一。尽管许多学者对服务组合展开了深入的研究并取得一些成果,但针对如何从海量云制造服务中选择满足用户需求并能形成最佳解决方案的服务组合这一问题仍存在不足之处（未考虑服务关联、子任务与服务映射单一、优选方法的设计）,本文对此作了进一步的探讨。首先,在充分了解云制造环境下服务组合流程、关键技术和优选方式相关理论知识后,研究了制造服务描述模型与服务质量QoS基本评估模型,对服务之间存在的接口关联、业务实体关联和统计关联进行了分析,并在前人的研究基础上改进了业务实体关联与统计关联的描述模型和QoS计算方法。业务实体关联中考虑了企业合作时间,以提供更稳定的合作方案;为使统计关联更具准确性和时效性,利用双向置信度KULC和不平衡因子IR评估关联规则,并采用“分时有效”的思想进行QoS预测,形成可动态调整的QoS变化量,从而构建出支持服务关联的QoS感知评估模型。同时,在子任务与服务的映射关系中引入众包模式,通过众包服务筛选,建立了新的候选服务集合。其次,在对云制造服务组合优选的求解算法的设计中,麻雀搜索算法收敛效果较好,参数较少,代码简单,但种群初始化和局部最优是该算法存在的缺陷,本文对此提出基于纵横交叉的麻雀搜索算法。一方面利用Tent混沌映射产生质量较好的初始化麻雀种群加快全局寻优进程,提高解的精度;另一方面混合交叉优化算法中纵横交叉策略,从纵向和横向两个维度对种群变异更新,增加寻优范围,防止局部最优的问题出现。最后,在基于实际制造背景下运用算例验证了本文所设计的QoS感知评估模型的有效性,并通过仿真实验证明了改进的麻雀搜索算法CSOSSA在求解云制造服务组合优选问题时的性能优势。