云制造是一种面向服务的、高效低耗的网络化制造新模式。随着云计算技术的快速发展和应用,云制造平台汇聚了大量功能属性相同或相似但非功能属性不同的制造服务。由于用户需求复杂度的不断提高以及制造服务规模的不断扩大,如何从云制造平台的海量制造服务中选择合适的服务组成一个最优的服务组合方案,已经成为当前的研究热点。通过对云制造环境下基于服务质量(quality of service,简称QoS)的服务组合优化问题进行研究,本文以实现制造服务的优化组合为目标,主要研究内容包括云制造环境中两种不同模式(排序模式和众包模式)下的制造服务组合优化问题。本文首先建立了排序模式下基于三维结构的制造服务组合优化模型,以解决包括服务聚合、服务选择和服务排序在内的三维组合优化问题。然后,建立了众包模式下基于服务相关性的制造服务组合优化模型,以解决众包模式下两种不同合作方式的制造服务组合优化问题。最后,针对排序模式和众包模式下的制造服务组合优化模型求解的特点,提出了两种相应的改进型花粉算法,较好地克服了基础型花粉算法(Flower Pollination Algorithm,简称FPA)存在的容易早熟和局部收敛等缺点。本文的主要创新点如下:1.提出了排序模式下基于三维结构的制造服务组合优化模型。该模型不仅能计算出不同聚合结构下相邻服务之间的运输时间和运输成本,而且便于同时求解包括服务聚合、服务选择和服务排序在内的三维组合优化问题。在此基础上,提出了一种改进型FPA算法,以实现对该三维组合优化问题的高效求解。该算法主要在两方面进行了改进:一是采用了基于矩阵的表示方法,二是将其与差分进化算法的变异算子和交叉算子进行了融合。最后,实验结果表明该改进型FPA算法在求解排序模式下制造服务组合优化问题时,性能优于遗传算法、差分进化算法和基础型FPA算法。2.提出了众包模式下基于服务相关性的制造服务组合优化模型。该模型不仅考虑了众包模式下制造服务的两种合作方式(协作模式和分配模式),而且考虑了服务相关性对QoS值产生的影响。在此基础上,提出了一种改进型FPA算法,以实现对该模型的高效求解。该算法主要在两方面进行了改进:一是将其与遗传算法的交叉算子和变异算子进行了融合,二是将包括转换概率和缩放因子在内的参数由固定值变为动态自适应的值。最后,实验结果表明该改进型FPA算法在求解众包模式下制造服务组合优化问题时,性能优于遗传算法、差分进化算法和基础型FPA算法。本文的研究解决了云制造环境中不同模式下的制造服务组合优化问题,对云制造环境中服务组合优化技术的提高具有重要的意义。