云制造服务响应反映的是对任务的执行规划，而信任评价则体现了其对既定计划的执行性能，故基于二者整合的服务组合可信性能可对任务完成前景进行预测，在此运用模糊软集进行组合优选。

（1）可信性能整合

本节在定义可信性能结构的基础上对其整合方式进行归结。

定义5-4云制造服务可信性能定义为：

Prospece=(PT,PQ,PC,PS,PU,PO)

该定义架构中，PT，PQ，PC，PS表示服务执行任务时在时间、质量、成本和支持服务方面的性能预估，而PU，PO则表示组合的任务成功交付可能性和合作可能性。

云制造服务的可信性能由其响应性能Prospece和信任评价Trust按如下方式集结而成：

PT=RT*TT

PQ=RQ*TQ

PC=RC*TC

PS=RS*TS

PU=TU

PO=TO

作为初始化客户，在缺乏交易经验及伙伴支持以致信任评价难以完成的情况下，也可通过将信任指标均设为1，将服务响应直接转化为可信性能以执行组合优选。此时，指标PU、PO将不具辨别能力，可将其省略。

根据文献（Wang Dandan，2015）给出的服务组合样式，本文定义了云制造服务组合可信性能的整合策略如表5-1所示。该表中εsub为选择概率；π为循环次数。

与信任指标类似，各服务组合的可信性能指标也需进行归一化处理。PT，PC作为负向指标按如下公式进行：

PQ，PS，PU，PO作为正向指标按如下公式进行：

考虑到各指标的重要性存在差异，故基于专家法的判断矩阵产生各可信性能指标的权重ωn（n=1，2，...，N），其中N为指标总数，且在此N=6。(www.daowen.com)

表5-1　云制造服务组合可信性能整合

（2）基于模糊软集的组合优选

基于上一章筛选产生的服务集合（esourcek）F（k=1，2，...，K），服务组合全集缩减为：

SCSF ={SCl∈SCS:(Sl)k ∈(Resourcek)F|k=1,2,...,K}

若其中包含的组合总数为M，则将该集合表达为：，式中。显然。

基于论域SCSF及服务组合的可信性能指标构成的参数集，以归一化处理后的指标值为模糊隶属度，构建模糊软集。在该模糊软集的表格化样式中，每行均对应一个不同的服务组合，而每列则表示一个可信性能指标参数。以pmn代表表格化形式中第m行、第n列的元素，即第m个服务组合的第n个参数值。在此，m=1，2，...，M，n=1，2，...，N。

基于模糊软集，本文以水平软集和容差水平软集相结合的策略执行服务组合优选。水平软集的概念前文5.3.1中已经给出，而对于容差水平软集本文定义如下：

定义5-5对于模糊软集ℑ，定义精确软集为关于水平软集的容差水平软集。其近似函数Fµ：A→P（U）定义为：

式中，µ（a）=λ（a）−ρ（a），而ρ（a）称为参数a的水平容差，且0≤ρ（a）≤λ（a）。

对于每个参数，根据客户在指标上的个性化需求确定（基于均值、P分位或更严格分位点），并令，计算

从而确定

分别以和为阈值产生的水平软集和，且令、分别代表它们表格化形式中的第m行、第n列的元素。计算和中各组合加权选择值：

并令：

取在水平软集中的加权选择值为的服务组合，令其在水平软集中的加权选择值为，若不唯一，则取其中的最大值为。定义服务组合集合：

若SCSP中有唯一元素，则该组合为最优服务组合，其组成服务依次承担子任务STk（k=1，2，...K）。否则，其中包含的组合需进行波动分析，以实现更清晰分辨。

对于可信性能由响应直接转化的情形，SCSP中任一组合可作为优选结果。