基于前文所述一维混合模糊软集的定义及其规格化策略，以云制造服务发现/匹配的仿真算例对其应用策略进行验证。

对于由客户需求解析而得的某子任务，云服务调度在制造云池中执行服务发现/匹配，获取到与子任务需求类型相同的服务如表3-1所示，s1，s2，s3，s4，s5为相关服务，而a1，a2，a3，a4，a5则为匹配属性。由于相关匹配数据的来源多样，故各匹配属性的表达类型也不统一：a1的属性值为犹豫模糊数，a2的属性值为区间数，a3的属性值为直觉模糊数，a4的属性值为梯形模糊数。

表3-1　云制造服务发现/匹配属性信息

在表3-1的服务表述下，构建一维混合模糊软集作为匹配基础，云制造服务的匹配过程可在形式下由两种策略进行实现。

其一，对于属性间彼此独立，不考虑综合效用的情况，可根据客户需求给出混合模糊数，基于服务属性的大小关系将一维混合模糊软集转化为经典软集，执行决策。

在本算例中，假设由客户需求产生的各属性标准为混合模糊数：（（0.6，0.7，0.8），[0.6，0.8]，（0.6，0.4），（0.5，0.6，0.7，0.8））。根据各服务属性值与标准之间的对比关系（若大于等于则为1，否则为0）将转化为经典软集如表3-2所示。

表3-2　云制造服务发现/匹配属性信息产生的经典软集

对于中每个服务，计算(www.daowen.com)

式中，hij为第i个服务第j个参数的参数值，而J为属性总数。

经过以上运算，Si值不为0的服务符合匹配要求，为s2和s5。

其二，对于客户需求标准不易给出，或属性间需要考虑综合效用的情况，则需通过规格化策略将一维混合模糊软集转化为一般模糊软集，然后进行相应决策。

在本算例中，假设客户需求标准为综合效用0.75，则将应用规格化策略转化为一般模糊软集如表3-3所示，并产生各自的综合效用值，故s2，s4和s5服务匹配成功。

表3-3　云制造服务发现/匹配属性信息产生的一般模糊软集及综合效用

续表