1.一种有效实用的云制造任务与服务资源匹配方法，该方法具体步骤如下：a1、识别服务需求商的满意度指标即成本、发货时间、质量以及服务提供商的满意度指标即可付款时间和技术难度，服务需求商的满意度指标集记为 服务提供商的满意度指标集记为

a2、对于成本、发货时间和付款时间满意度指标，服务需求商和服务提供商可通过数值直接量化；对质量和技术难度难以直接量化的满意度指标，本发明采用区间犹豫模糊语言评价法进行量化，具体模型如下：D P

其中，sk表示难以直接量化的满意度指标sk∈s∪s ，其中k＝1、2、3、....，lt(sk)表示对sk的语言评价结果，其中t＝0、1、2、....2T，T∈Z，f(lt(sk))表示语言尺度函数，#Γ(sk)表示语言评价结果lt(sk)的区间总个数， 表示语言评价结果lt(sk)对应的第z个区间的下限， 表示语言评价结果lt(sk)对应的第z个区间的上限，v(sk)表示满意度指标sk的量化结果；

a3、令云制造任务集和服务资源集分别记为D＝{Di,i＝1,2,...,I}和P＝{Pj,j＝1,

2,...,J}； 表示云制造任务Di的服务需求商对满意度指标 的期望值； 表示对满意度指标 服务资源Pj具有的实际值，当指标 是成本型指标时，云制造任务Di的服务需求商对服务资源Pj满意度 的计算方法为：当指标 是收入型指标时，针对该指标任务Di的服务需求商对服务资源Pj的满意度的计算方法为：令w(m)表示满意度指标 的权重，那么任务Di的服务需求商对服务资源Pj满意度的计算方法为：越大，表示任务Di的服务需求商对服务资源Pj的满意度越大，当云制造任务Di的服务需求商不能接受服务资源Pj对其进行服务时， M是一个较大的数；

同理，令 表示服务资源Pj的提供商对满意度指标 的期望值； 表示对于满意度指标 云制造任务Di具有的实际值，当指标 是成本型指标时，服务资源Pj的提供商对任务Di满意度 的计算方法为：当指标 是收入型指标时，针对该指标服务资源Pj的提供商对云制造任务Di满意度的计算方法为：令w'(n)表示满意度指标 的权重，那么服务资源Pj的提供商对云制造任务Di满意度的计算方法为：a4、令q＝1、2、3、.....、Q表示任务类型， 和yij是0‑1变量，当云制造任务Di属于第q种任务类型时， 否则， 当服务资源Pj可以完成任务类型q时， 否则，当云制造任务Di和服务资源Pj匹配时，yij＝1；否则，yij＝0；

基于此以服务需求商的满意度 服务提供商的满意度 云制造任务与服务资源匹配数量yij最大为目标，构建云制造任务与服务资源双边匹配模型，具体如下：S.T.

yij＝0或1

其中，第一个目标函数表示最大化服务需求商满意度，第二个目标函数表示最大化服务提供商满意度，第三个目标函数表示最大化云制造任务与服务资源匹配数量，约束条件表示服务提供商的个体理性，指服务资源的提供商宁愿不匹配任务，也不会为类型不符的任务提供服务； 表示服务需求商的个体理性，指服务需求商不会接受不满意的资源为其服务； 表示云制造任务和服务资源的匹配对中不存在阻塞对，即不存在下列情况之一：(1)服务资源Pj的服务类型与任务Di的类型相符，服务资源Pj未匹配任务，任务Di与比服务资源Pj满意度更低的服务资源匹配；(2)服务资源Pj的服务类型与云制造任务Di的类型相符，但任务Di与比服务资源Pj满意度更低服务资源匹配，Pj也与比任务Di满意度更低的任务匹配， 表示每个云制造任务匹配且只匹配一个服务资源； 表示每个服务资源最多匹配一个云制造任务；

a5、采用自适应遗传算法对云制造任务与服务资源双边匹配模型进行求解，具体如下：染色体采用实数编码，适应度函数有3个：

选择、交叉和变异策略分别是精英策略、自适应交叉策略、自适应变异策略，自适应交叉概率和自适应变异概率的计算方法如下：其中，pc表示自适应交叉概率，pcmin表示交叉概率最小值，pcmax表示交叉概率最大值，favg表示当代种群的平均适应度值，f'表示参与交叉的两个个体中较大的适应度值；

同理，pm表示自适应变异概率；pmmin表示变异概率最小值；pmmax表示变异概率最大值；

fmin表示当代种群中适应度最小值；favg表示当代种群中适应度平均值；r'表示变异个体的适应度值。