云制造模式是一种新型的制造模式,能够以共享的方式充分地利用企业的生产资源和制造能力,从而帮助中小企业应对经济形势恶化、市场需求快速变化和人员费用快速上涨等方面的困难。随着物联网、云计算、移动计算、大数据分析和工业技术的快速发展,云制造模式逐渐占据越来越重要的位置。面对不同服务对象规模、层次各异的需求,如何从不同服务提供者提供的大量制造能力和资源中选择合适的抽象服务并将其组合为最佳的制造服务集,就成为一个亟待解决的问题,制造服务组合（MSC）优化问题由此被提出。当具有不同服务质量的同类制造服务急剧增加时,选择最佳的制造服务组合通常是一个NP难问题,难以通过传统优化方法来解决大规模的MSC问题。然而幸运的是,启发式算法和智能算法被广泛用于解决NP难问题,具有较好的执行效率和优化效果,是一种解决制造服务组合优化问题的有效途径,因此本文也将引入一些智能优化算法,来探究制造服务组合优化问题。本文主要关注云制造服务组合的优化问题。首先,本文提出了包含时间、费用、吞吐量、可靠性和满意度五个优化指标的服务质量评估模型;其次,针对用户的不同服务质量要求和优化偏好,本文引入层次分析法（AHP）应用于目标函数值的计算,以精确捕获用户的优化偏好;然后,重点提出了一种改进的生物地理学优化算法（MBBO）以求解最佳的云制造服务组合方案,通过一种能够动态调整突变的机制来权衡全局最优与局部最优,维持理想的栖息地特征并增加种群的多样性。最后,将MBBO算法应用于复杂的云制造服务组合的多目标优化问题,通过改变任务数量和候选服务数量来进行仿真实验,并将结果与原始生物地理学优化算法,无突变生物地理学优化算法,蚁群算法、遗传算法、进化策略、差分进化和粒子群算法等其他启发式方法相比。对实验结果的统计分析表明,本文所提出的改进的生物地理学优化算法的优化性能明显好于其他对比算法,即使在大规模任务和候选服务中,本文提出的方法也表现出明显的优势。