1.一种基于多策略深度强化学习的云制造服务组合方法，其特征在于：包括如下步骤：S1：通过现有方法获取虚拟数据集，该虚拟数据集由多个服务组成；

设一个任务T由n个子任务构成，一个子任务对应一个服务集，服务集中的一个服务对应一个动作，每个服务具有多个QoS属性值，所述QoS属性值是取[0.7,0.95]之间的任一数据值；

定义：

T＝{t1,t2,…ti…tn}，ti表示T的第i个子任务,i＝1,2，…n；

表示子任务ti对应的第μ个服务，μ＝1,2，…c；

表示子任务ti对应的第μ个服务所对应的动作；

表示子任务ti对应的第μ个服务QoS属性值，该第μ个服务QoS属性值是对第μ个服务对应的多个QoS属性值进行归一化后得到的；

m1为当前任务T求得的服务链中所有服务QoS值的算术平均值；

m2为间隔设定时间后，当前任务T求得的服务链中所有服务QoS值的算术平均值；

对第μ个服务对应的多个QoS属性值进行归一化得到第μ个服务QoS属性值的过程如下：第μ个服务对应的QoS属性值包括积极属性值和消极属性值；

第μ个服务对应的积极属性值的归一化计算公式如下：第μ个服务对应的消极属性值的归一化计算公式如下：其中，和分别代表第μ个服务的多个QoS属性值中最小QoS属性值和最大QoS属性值，qμ是第μ个服务的多个QoS属性值的聚合值；

S2：构建Multi-D3QN模型，将DQN算法的网络结构修改为竞争结构，将DQN算法的随机采样机制修改为优先回放机制，并在学习阶段将单估计器修改为双估计器；

Multi-D3QN模型还包括模型Q-network和模型Q-target；

S3：初始化Multi-D3QN模型的参数，初始m1＝m2＝0，初始化经验池D，设定优先级，初始化模型Q-network的动作值函数Q，初始化模型Q-target的动作值函数Q*；

S4：从虚拟数据集中随机选择一个任务T；

S5：令k＝1；

S6：令i＝1；

S7：如果m1>m2，则执行S8-1；否则执行S8-4；

S8-1：选取ti的最优动作步骤如下：判断ti对应的服务集中所有的服务的QoS属性值是否小于0：如果ti对应的第μ个服务的QoS属性值小于0，则表示有不可用服务，并执行下一步；如果ti对应的第μ个服务的QoS属性值大于或等于0，则执行S8-4；

S8-2：随机生成一个概率x1，ε1表示预设概率，如果x1<ε1，则准最优动作并执行下一步，其中，θ表示动作值函数Q的参数；

否则在中随机选择一个动作作为准最优动作并执行下一步；

S8-3：判断准最优动作对应的服务的QoS属性值否小于0：如果准最优动作对应的服务的QoS属性值小于0则屏蔽对应的服务，并重新随机选择一个动作作为否则将动作作为并执行S8；

S8-4：随机生成一个概率x2，ε2表示预设概率：如果x2<ε2，则最优动作并执行下一步，其中，θ表示动作值函数Q的参数；

否则在中随机选择一个动作作为准最优动作

S9：执行并将ti对应的服务集将ti对应的服务集中所有服务的QoS属性值和ti的下一个服务集作为一个样本存入D中，所述样本表示为S10：判断D中的样本是否到达最大容量，如果没有到达在执行下一步，否则执行S12S11：判断i是否大于n，如果是则执行下一步，否则令i＝1+1并返回S8；

S12：判断j是否大于最大迭代次数，如果是将输出对应的每个服务均作为最优服务，输出和最优服务组成的服务链；

否则令k＝k+1，计算m1和m2，并更新m1和m2并返回S6；

S13：利用S8得到的样本训练模型Q-network，并返回S10。

2.如权利要求1所述的基于多策略深度强化学习的云制造服务组合方法，其特征在于：所述S13中训练模型Q-network的过程如下：S13-1：设D中所有样本的初始优先级

S13-2：令c＝1；

S13-3：从D中根据采样概率小批量采样b个样本，每个样本的采样概率采用如下公式计算：其中，p(hj)表示小批量采样得到的总数为b的样本中第j个样本的被采样的概率，p_hj表示小批量采样得到的总数为b的样本的第j个样本的优先级；

S13-4：将b个样本输入Q-network和Q-target中，对Q-network和Q-target中进行训练；

S13-5：令j＝1；

S13-6：计算第j个样本的权重w(hj)；

S13-7：如果j>b，则令yj＝rj，计算第j个样本的损失lossj，根据损失lossj更新Q-network的参数θ，并执行下一步；

否则通过双估计器计算yj，计算第j个样本的损失lossj，根据损失lossj更新Q-network的参数θ，并令j＝j+1返回S13-6；

yj表示第j个样本输入Q-target得到的估计函数值；

rj表示第j个样本中的最优动作所对应的服务的QoS属性值；

采用如下公式计算第j个样本的损失lossj，其中，Q(Sj,aj,θ)表示第j个样本输Q-network得到的函数值，将该函数值作为第j个样本的真实值，Sj表示第j个样本中最优动作对应的服务集，aj第j个样本中的最优动作，θ表示Q-network的参数；

S13-8：计算在c次迭代中第j个样本的损失公式如下：根据损失更新第j个样本的优先级，公式如下：p_hj←|δj|    (10)；

S13-9：如果c>cmax，用Q-network中的参数更新Q-target网络中的参数θ*；否则令c＝c+1，并返回S13-2。

3.如权利要求2所述的基于多策略深度强化学习的云制造服务组合方法，其特征在于：所述S13-6中计算b个样本中的每个样本的权重的过程如下：其中，w(hj)表示第j个样本的权重，wi表示第i个样本的权重，maxi(wi)表示最大样本权重β表示一个指数因子。

4.如权利要求3所述的基于多策略深度强化学习的云制造服务组合方法，其特征在于：所述S13-7中，通过双估计器计算yj的过程如下：yj＝rj+γQ*(sj+1,argmaxaQ(sj+1,a,θ),θ*)    (12)；

其中，a表示“sj+1”对应的动作集，γ表示折扣率。