近年来,随着互联网技术的飞速发展和虚拟化技术的普遍应用,云计算已经成为研究热点,用户可以从云中按需获得服务。云数据中心是在云计算环境下,由硬件和软件组成的松耦合资源共享架构。现有云数据中心在以下三方面存在不足之处：1.由于现有云数据中心没有实现充分有效的全局双向选择交易,因此导致了它没有满足大多数云市场参与者的交易需求并且它的大多数云资源提供者收益偏低。2.由于现有云数据中心没有充分考虑多维云资源的调度,因此其多维云资源利用率偏低。3.由于现有云数据中心没有充分考虑云任务间的通信能耗,因此它的能耗偏高。为了解决上述问题,本文提出了一种新颖的云数据中心资源调度机制。该机制基于可以满足大多数云市场交易者交易需求的改进双向拍卖竞价调度策略,利用融合了具有启发式优化能力的粒子群算法、遗传算法和蚁群算法的多维云资源高效调度方法,并通过虚拟机迁移方式实现了在提供原有系统性能的前提下关闭闲置的处理机的融合调度方案。通过大量的实验验证,该机制具有云资源提供者高收益、多维云资源高利用率和云数据中心低能耗的优点。本文主要研究成果如下：1.基于双向拍卖理论的竞价调度策略。现有云数据中心没有实现充分有效的全局双向选择交易,大多数云市场参与者的交易请求并未得到满足,云资源提供者的收益偏低且存在严重的云市场交易不均衡问题。针对已有研究成果中云市场交易不均衡的局限性,本文通过分析云数据中心资源竞价调度问题中客观存在的灵活性和动态性特点,提出了融合双向拍卖理论、粒子群优化算法和遗传优化算法的竞价调度策略。该调度策略可以满足大多数云市场交易者的交易需求,并提高了云资源提供者的收益。本文借助于CloudSim实验体系架构验证了基于双向拍卖理论的竞价调度策略的可行性,与现有的调度策略相比,本调度策略使得云资源提供者收益增长率达到45%且交易量增长率达到37.1%。2.基于整数马尔可夫理论的多维云资源高效调度方法。现有云数据中心没有真正的实现多维云资源调度,多维云资源(计算、存储和带宽)的资源利用率偏低且存在严重的碎片资源浪费问题。针对已有研究成果中多维碎片资源利用率偏低的局限性,本文通过总结影响多维云资源调度方法的因素,并以参数的形式反映其影响,提出了基于整数马尔可夫理论并结合改进的遗传算法和并行蚁群算法的计算、存储和带宽资源高效调度方法。该调度方法实现了多维云资源调度,并提高了多维碎片资源利用率。本文借助于CloudSim实验体系架构验证了基于整数马尔可夫理论的多维云资源高效调度方法的有效性,与现有的调度方法相比,本调度方法能够使得多维云资源利用率的增长率达到50.31%。3.基于云任务的低能耗融合调度方案。随着云数据中心的规模不断扩大,云任务间的通信能耗不断提高,云数据中心的能量消耗偏高问题日益严重。针对已有研究成果并没有充分考虑云任务间通信能耗较高的局限性,本文对低能耗调度方案的内在规律进行抽象,提出了结合资源融合原理、粒子群和禁忌算法并融合调度计算、存储和带宽资源的低能耗融合调度方案。该调度方案充分考虑了云任务间的通信带宽能量消耗,并降低了云数据中心的能量消耗。本文借助于CloudSim实验体系架构验证了该方案的稳定性,与现有的调度方案相比,本调度方案能够使得云数据中心能耗下降率达到60.81%。