随着以信息化应用为核心的新一轮科技革命的到来，传统制造业的信息化升级转型势在必行。为了顺应当前这种制造业的发展潮流，云制造应运而生，以复杂制造任务为代表的云制造任务服务配置将是云平台需要解决处理的关键问题。本论文围绕该问题在构建面向复杂云制造任务的服务配置框架的基础上，研究了云平台中复杂云制造任务的优化分解、候选服务筛选以及组合服务评选等，主要的研究内容如下：　　提出了基于谱聚类算法的复杂云制造任务优化分解方法。针对复杂可拆分云制造任务，给出了初步任务拆分基本原则和相关定义。根据元任务之间的关联关系，建立了关联无向图，采用谱聚类算法对其实现最优分割，达到了任务优化分解的目的。对于谱聚类算法中K-means初始聚类中心和分类数的选取问题，分别采用了随机选取和“肘方法”：实现了复杂云制造任务的快速合理分解。　　提出了基于历史数据挖掘的候选服务筛选方法。基于复杂云制造任务拆分得到的元任务Qos指标约束，给出了获取子任务Qos指标的模型，并给出了不同情况下用户理想需求指标的获取方法。然后采用余弦相似度对候选服务进行粗筛选，并在此基础上采用变精度粗糙集挖掘历史数据，获取客观权重对候选服务综合评选，保证了后续组合服务的质量和效率。　　建立了考虑用户模糊评价的复杂云制造任务组合服务优化模型。在分析复杂云制造任务服务组合过程的基础上，构建了复杂云制造任务组合服务优化模型。采用自适应混沌变异算子对遗传算法改进，在改进遗传算法求解组合服务优化模型得出的一组解之上，采用直观模糊集对该组候选组合服务的用户模糊评价进行处理，最终结合组合服务的Qos评价值以及模糊评价值对候选组合服务综合评选。　　设计了复杂云制造任务服务配置原型系统。对系统功能模块以及业务过程进行分析，在Visual studio2013开发平台上采用C#编程语言实现了原型系统的前端界面开发，采用MATLAB R2014a实现了算法的后台运行，并以Access数据库存储数据完成了面向复杂云制造任务的原型系统开发，验证了本论文所提方法的可行性和有效性。