服务优选是云制造的一个重要研究内容。在目前的研究成果中大多数服务优选的数学模型考虑产品的制造任务,少数的数学模型考虑产品的设计任务,但是目前没有考虑全部产品任务的模型。制造过程的服务优选问题和设计过程的服务优选问题是产品服务优选问题的一部分,面向产品的服务优选问题更符合实际状况,其研究具有重要意义。除此之外,目前数学模型大多数用启发式算法求解,启发式算法可以得到可行解,但是不能保证是最优解。针对于以上问题,对面向产品的服务优选过程进行了数学描述,并建立了数学模型。针对建立的数学模型,提出了一种新的优化算法。两个实验结果表明：该数学模型和优化算法是正确和高效的。

结合复杂网络理论,提出了一种云制造环境下基于贝叶斯网络的机床装备资源优化选择方法。对云制造环境下机床装备资源优化选择问题进行数学描述,构建了一种由决策环境变量、决策选择变量、决策传递变量、决策目标变量、决策价值变量以及因果依赖关系组成的不确定多阶段多目标(UMM)决策模型,并对该模型的求解算法进行研究;通过实例验证了所提方法的适用性和有效性。

阐述了云制造资源集成的内涵,并且通过与传统制造资源和网络化制造资源进行对比,得出了云制造资源集成的优势。描述了云制造资源的集成,同时在层次分析的基础上建立了一个关于云制造资源集成的框架。将现有的各种制造资源分类并有相应的资源描述,按照资源种类进行资源的虚拟化进而云端化。通过对资源加工能力的集成,映射出相应的制造能力的变化,进而建立一个云制造资源集成的宏观数学模型,同时对该模型进行了解释和定性分析,最后得出可以提升云制造资源集成的核心制造能力的办法。