技术创新平台为科学技术转化为社会生产力提供了一种新的模式。随着技术创新平台信息数量的不断增加，人工工作方式已不能满足现实中的需要。因此，需要一种新的技术来满足新的需求。云计算的提出有助于该问题解决，但是云计算存在可用性不稳定、标准化、安全性、负载均衡等问题。对于构建技术创新平台，资源负载均衡问题亟待解决。本文针对云计算资源节点特点，建立云计算资源负载均衡模型，以提高资源负载均衡度、资源利用率。本文首先对技术创新平台的云计算需求进行分析，并对云计算资源特点（多源异构、海量、动态变化、对服务器要求低等）进行详细阐述。复杂网络具有非线性相互作用、由大量元素构成、动态性、开放性、分布性、涌现等特点，恰好与云计算资源节点网络特征相契合。因此，云计算资源节点网络可以用复杂网络描述，也具有小世界、无标度、节点度的分布服从幂律分布等特点。资源节点的能力通过CPU速率、CPU利用率、内存大小、内存剩余大小、硬盘剩余大小来体现。资源负载均衡模型旨在取得最小负载均衡度和最短任务执行时间。此外，通过对复杂网络和粒子群算法特征的对比分析，证实两者相契合。据此可知，虽然解决该资源负载均衡模型的方法有很多，但是粒子群算法更适合。因此，本文将粒子群算法中粒子更新特点与资源负载均衡模型的复杂网络特征相结合，阐述了一种新的粒子群算法，并进行仿真实验。最后，通过将本文的改进粒子群算法与LB-GA、LB-HA算法进行比较，证实本文中的算法对于求解云计算资源负载均衡问题更恰当。并对改进粒子群算法中的种群数、加速系数等参数进行分析。种群数的选择与节点数目有关，加速系数的确定与粒子自身经验和其它粒子经验有关，受自身经验影响更大，则对应的加速系数相对较大。加速系数的确定可采用定值策略和随机策略，并对其进行比较，分析得出随机策略更有利于粒子跳出局部最优。本文运用复杂网络理论对云计算负载均衡问题进行建模，并用粒子群算法仿真分析，证实该方法得到了较好的负载均衡度、云计算平台任务完成率及客户满意度。