云池中存在着大量相同或相似的制造云服务,同时也存在一些虚假的制造云服务,这给云用户选择良好的云服务带来凿沉的负担。为了保障云用户和云制造商的利益,本文开展了制造云服务有效性判别及云服务方案优选的研究。首先,以“铁臂商城”云平台作为数据获取的来源,建立基于目标网页特征的爬虫框架,获取云服务的性能、参数、评分等9个评价指标信息,对指标的原始信息进行量化处理和规范化处理,建立工程机械产品的实验数据集。其次,分析虚假制造云服务的特点和云服务可信度的影响因素,建立制造云服务有效性判别指标体系。将蒙特卡洛估计方法和超体积算法相结合,得到基于蒙特卡洛模拟估计的超体积算法,该算法实现实验数据集中的虚假制造云服务的剔除与清洗。在基于GA的模糊C均值聚类算法的基础上,通过改进目标函数处理方式、改进交叉操作和增加自适应变异操作,提出基于优化目标的GA模糊C均值聚类算法的云服务可信度评估算法,采用Iris标准数据集验证所提算法的稳定性和准确性。采用所提算法对清洗后的制造云服务进行可信度评估,确定云服务可信度等级。然后,分析影响制造云服务Qos的因素,建立制造云服务Qos综合评价体系。分析云服务指标之间的关系,结合综合评价的优缺点,选择基于层次分析法和熵值法的主客观组合评价法,计算云服务的综合评价值。根据云服务可信度等级的高低和Qos综合评价值的大小,建立基于可信度和Qos综合评价的制造云服务优化评估算法。最后,通过本文算法对实验数据集进行验证和优选。通过超体积算法对虚假制造云服务进行甄别,并核对删除的云服务信息,证明算法剔除的正确率高;清洗后的云服务数据集进行可信度模糊分类,实验证明基于优化目标的GA模糊C均值聚类算法对数据集的聚类收敛速度快、稳定性好且准确率高;对清洗后的云服务数据开展层次分析法和熵值法的权重值计算,并通过了权重的一致性检验,得到云服务Qos综合评价值。实例验证中,将所求得的可信度等级和综合评价值,运用本文所提的方案优选方法,得到云服务方案的优先级顺序,为云用户推送优选的云服务方案。