云制造服务组合是云制造系统中为确保任务顺利执行,不可或缺的技术。其按照任务流程结构将各种功能的资源服务组合起来构建具有综合功能的复合服务,从而共同执行复杂任务,同时满足用户需求。按照环境的不同,云制造服务组合可以分为静态云制造服务组合和动态云制造服务组合。现阶段的静态云制造服务组合方法大多以智能优化算法（如启发式算法）为主,这些方法普遍存在着明显的缺陷,即在大规模环境下存在效率低下、解质量低问题。混合优化算法可以增强算法的全局搜索能力,能有效地解决上述问题。然而,智能优化算法具有固定模式且需要手动调整参数,当组合环境发生变化时,其无法适应动态环境。深度强化学习对动态环境可以及时做出反应和调整,使系统重新调整到稳定状态。综上所述,针对两种不同的环境,本文分别提出了一种基于混合优化算法的静态云制造服务组合方法和一种基于深度强化学习的动态云制造服务组合方法。本文的主要工作如下:（1）分析了云制造服务组合的研究背景及意义、国内外研究现状、相关理论与技术分析以及当前算法中存在的不足之处。（2）提出了一种面向静态云制造服务组合的混合优化算法。首先基于Skyline查询从候选服务集中筛选出优质服务,组合成子候选服务集。然后,将教学优化算法的教学阶段与纵横交叉算法进行结合,以增强算法的全局搜索能力。接着,改进教学优化算法的学习阶段,提高算法的收敛速度和稳定性。最后,对结果进行对比筛选,输出最优方案,并在实验中验证了该算法的有效性。（3）提出了一种面向动态云制造服务组合的深度强化学习框架。首先以DQN为基础框架,然后运用竞争结构搭建神经网络架构,同时引入优先经验回放机制寄存样本数据,其次选用双估计器计算目标函数,最后在算法中加入奖励策略、（?）-greedy策略和启发式策略三种策略,确保算法回到稳定状态且获得最优解,并在实验中验证了框架效果。（4）制造资源网络协同共享云平台原型系统的设计与实现。基于本文中第三章和第四章提出的算法,设计了制造资源网络协同共享云平台原型系统。该系统为用户提供任务/服务需求发布、闲置资源发布以及服务发布等功能,系统还基于资源需求用户发布的需求信息,使用本文提出的算法为资源需求用户推选出最优服务组合方案。