目前,云制造作为云计算、物联网、人工智能等先进技术融合的产物,已经对制造业产生了深远的影响。云制造不仅引起了学术界的广泛关注,同时政府和工业界也都投入了大量的资金对其展开研究,并已经在制造服务组合、车间调度、资源配置、物流管理等应用层面取得了一定的成果,其理论和方法研究具有重要的学术和应用价值。在云制造模式下,制造资源不仅能够实现更大范围的共享,也能够在提高制造资源利用率的同时降低生产制造的成本。本文针对云制造中多目标情况下的云制造服务组合优化问题和动态高维制造资源的调度问题进行了研究。创造性的研究成果主要有:(1)针对制造服务零散化以及服务功能性单一的问题,本文对云制造服务组合进行研究。鉴于云制造服务组合在实际情况中出现的多个优化目标问题,建立了多目标云制造服务组合优化模型,考虑了成本、时间、服务质量和能耗4个指标,提出了评估损失函数调优规则。通过问题分析,提出了一种基于变邻域搜索的快速自适应网格多目标服务组合算法。该算法不需要人为设置邻域搜索范围的大小,并且可自动利用所设置的网格删除大量被支配的个体。仿真结果表明,该算法有效改善了优化多目标时寻找帕累托解集不均匀的问题,提高了云制造服务组合的速度和精准性。(2)针对制造过程中资源动态分布且难以优化的问题,本文对云制造动态资源调度进行研究。鉴于云制造资源调度在实际情况中存在任务安排不当与资源浪费的问题,建立了云制造环境下的动态生产资源调度优化模型,并设计了制造模糊评估规则。通过问题分析,在强化学习算法的基础上,提出了一种基于禁忌搜索的深度强化学习资源调度算法。该算法通过黑名单管理机制控制了采样的空间,并通过自适应基线值的定义使得良性动作和恶性动作更容易被区分。仿真结果表明,该算法有效改善了智能体无意义重复采样的问题,保证了云制造生产过程中动态资源调度的时效性,提高了对制造资源的利用率。