制造业是国民经济发展的支柱,其产业的发展影响国家的战略布局。全球化进程加快和互联网的冲击使得全球产业链重构,传统制造业发展遭遇瓶颈,制造业生产模式由传统生产型向服务型发生变革。为了抢占智能制造市场,各国纷纷出台政策促进制造业转型。云制造作为智能制造的一种新兴模式和手段,能够跨地域的共享制造服务,有效地解决了资源闲置、能力浪费与需求得不到满足的双重冲突。由于云制造平台的制造资源呈地域性和分散式等特点,故提高资源配置效率成为云制造模式发展的关键。如何设计更符合实际需求的匹配机制成为当前研究实践中需要迫切解决的难题。复杂的任务通常需要服务方协同完成,因此,本文研究云制造平台下企业一对多双边匹配问题。为了保证信息的完整性,采用直觉模糊集对指标信息进行评价。因为匹配双方是具有自主学习能力的个体,并且任务方面对资源常发生竞争行为,服务方面对任务也会出现协同效应,同时主体在社会环境中常常以自身和他人为参照点进行决策。因此本文基于心理行为分别对无参照、个人参照和社会参照三种视角下的匹配机制进行研究。首先,本文丰富了度量指标体系,对竞合效应下满意度进行度量。由于云平台的交易具有重复性和动态性,因此针对主体多次参与任务时的学习行为,度量学习效应下的双方满意度。其次,将竞合效应和学习效应下的满意度加入模型,分别与三种视角下的满意度进行聚合构建模型:(1)无参照点:此时主体是理性的,利用公理设计度量双方满意度;(2)个人参照点:以个人期望为参照点并利用前景理论度量双方满意度;(3)社会参照点:以社会期望为参照点并利用前景理论度量双方满意度。第三,以双方满意度为匹配依据,设计改进粒子群算法对不同情景下的模型求解,并利用自主决策视角方法进行综合评价得出最满意方案。最后,本文以某汽车制造项目的实际需求为例,对不同情景下的目标模型求解分析,进而验证该匹配机制的可行性。