由于购买硬件资源的成本过高,当今越来越多的互联网产业开始投入购买使用IaaS(基础设施即服务)云计算服务,公有云市场的增长日趋迅速,其内部的资金流动规模也越来越庞大。因此IaaS云下的服务定价策略与购买策略的研究成为学术界的一大热点话题,其目的是为云提供商与云用户提供有利于自己的策略。即服务提供商方面可以根据自己接收到的任务跟用户群来做出合适的定价获取相对较高的利润,而用户方面可以根据自己的使用情况来制定相对较为省钱的服务购买策略,此类研究在当前市场发展状况下显得越来越重要。本文结合此课题,在做了相关研究的充分调研后,分别在IaaS云服务的定价策略与购买策略两个方面做了研究工作:1.在服务定价方面,针对按需付费的付费模式,本文提出了两种基于迭代的近似最优定价算法:一种是基于遗传算法的优化定价算法,另一种是基于爬山法的优化定价算法。前者在获利能力上表现较好,但存在成本较高的情况。后者弥补了前者的弱点,但是在获利能力上相较前者稍弱。通过结合迭代定价的模型,使用元启发式算法的思想对复杂的多元非线性目标优化进行求解,从而使得到的近似最优解更加理想。大量实验结果表明,两种算法的获利性能在多数情况下均优于依据经验的随机定价法。2.在购买策略方面,针对按需付费与预付费两种付费模式,我们基于竞争分析的研究方法,结合新的交易模型设计出了更能节省用户成本的在线算法,与已有的在线算法相比,我们在理论上证明了竞争比存在参数量的下降,同时我们在不同用户类型上进行了大量对比实验,我们所提出的二次购买在线算法均能表现出更好的成本控制的性能。