在接收到筛选决策生成的RSCR后，云制造服务调度平台将其与对应服务响应中的再制造性能信息转发至当前任务执行方，进行服务优选。

（1）再制造信任与可信性能集成

当前任务执行方的服务优选过程以节能降耗为目标，基于服务的广义再制造响应性能及其信任评价执行最终的迁移决策。

关于紧急任务响应服务的再制造信任定义为：

TrustR=(TTR,TCR,TER,TAR)

在该定义中，与Trust的定义类似，也应用了时间衰减因子。具体内涵可参照5.3.1中的界定。

TTR：表示服务对再制造时间掌控的可信状况。

式中，

。为再制造实际完成时刻，

为再制造计划完成时刻，TimeR_P为再制造计划提前期。

TCR：描述了历史交易中服务的成本掌控水平。

式中，Cost_R为任务完成的实际成本，除包括服务价格外，还有交易过程带来的其他成本变动，如库存费用、等待消耗、违约损失等；Cost_P为任务的约定成本。

TER：表示服务再制造的效率掌控水平。

式中，

REfficiency_R=Costc_R/CostR_R

REfficiency_P=Costc_P/CostR_P

Costc_R为实际迁移资源补偿价格，而CostR_R为实际再制造成本；Costc_P，CostR_P则分别为迁移资源计划补偿价格和计划再制造价格。

TAR：表示服务再制造的资源利用率掌控水平。

式中，RUtilization_R是服务再制造过程中对迁移资源的实际利用率；RUtilization_P则为计划利用率。

此外，再制造信任与第五章中Trust一样，也是由直接信任和推荐信任组成，即

式中，fθ为交易衰减因子，其定义方法参见5.3.1。

基于服务的再制造响应信息与再制造信任可集结产生服务的再制造可信性能。在此，将其定义为：(www.daowen.com)

ProspectR=(PTR,PCR,PER,PAR)

该定义中，PTR，PCR，PER和PAR分别表示服务再制造预计的时间、成本、效率以及迁移资源的利用率。ResponseE与TrustR的集成策略如下：

PTR=RTE_R*TTR

PCR=RCE*TCR

PER=*TER

PAR=RAE*TAR

对于云制造系统的初始化服务，由于缺乏交易经验及合作伙伴的决策支持，可将信任值记为1进行可信性能计算。

（2）基于信息熵与D-S证据推理的优选

对于筛选服务集合RSCR，令m=|RSCR|，则该集合可记为RSCR ={Ri|i=1，2，...m}。通过集成其中各服务的ResponseE与TrustR得到各自的再制造可信性能ProspectR，然后应用公式5-12、5-13进行归一化处理，并将其中指标PTR，PCR，PER，PAR分别抽象为参数a1，a2，a3，a4。基于论域RSCR和参数集A={a1，a2，a3，a4}，以各服务归一化后的ProspectR指标值为参数模糊隶属度，可构建模糊软集Rℑ，从而以之执行面向广义再制造的服务迁移决策。

将的模糊矩阵可记为（rij）m×4，计算

式中，i=1，2，...m，j=1，2，3，4。

参数aj（j=1，2，3，4）的信息熵为：

式中，k=1/ln（m）。

从而aj（j=1，2，3，4）信息熵的冗余度为：

dj=1-ej

鉴于模糊软集空间下，参数之间彼此独立，服务迁移方案两两互斥，故可运用D-S证据理论对基于模糊软集架构的决策问题进行推理求解，完成服务迁移决策。

基于模糊软集架构，确立辨识框架RSCR，并定义pj（j=1，2，3，4）为关于参数aj（j=1，2，3，4）的基本概率指派函数，满足

在此基础上，运用Dempster证据合并规则对pj（j=1，2，3，4）进行如下合并，从而产生对RSCR中各备选服务的信度支持，并以之进行决策排序。

即有

式中