由于云计算以按需付费的方式提供计算服务,越来越多的企业和高校使用云平台执行商业和科学应用程序。对于云提供商来说,由于云计算用户数量的激增,云数据中心的规模不断扩大,服务器的能耗显著增长,而服务器资源的低利用率则会导致大量的能源浪费,因此云提供商迫切需要能效优化的虚拟机算法减少能源消耗、降低运行成本。本文围绕能效优化的云数据中心虚拟机部署方法展开研究。针对虚拟机部署问题的特点,本文综合考虑资源约束以及用户需求的截止时间约束,首先构建了虚拟机部署问题的数学优化模型。使用虚拟机序列表示该虚拟机部署问题的解,根据截止时间约束确定每台虚拟机的最晚部署时间,建立数据中心总能耗的数学表达式作为虚拟机部署模型的优化目标。此外,考虑到实际情况中虚拟机请求的资源请求通常是不确定的场景下,进一步构建了资源请求不确定性感知的虚拟机部署模型。鉴于所研究的两个虚拟机部署问题都可描述为整数规划优化模型,以萤火虫算法为代表的元启发式算法适用于求解此类问题。本文基于萤火虫算法的搜索策略,分别设计了相应的虚拟机部署算法求解上述两种场景下的虚拟机部署问题。首先,设计了一种新的基于位置的萤火虫个体映射机制,将种群中的每只萤火虫个体映射为可行的虚拟机序列,使得萤火虫算法能够获得高质量的虚拟机部署解;然后,设计启发式算法根据映射得到的序列对虚拟机进行快速部署计算相应的整体能耗,作为种群中每个萤火虫的适应度值;此外,针对资源请求不确定性感知的虚拟机部署问题,进一步提出了一种基于随机优化的改进萤火虫算法,引入了资源溢出概率的评估和截止时间约束概率评估,以及不确定性感知的适应度值计算方法等,能够在资源请求不确定性的影响下获得能效优化的虚拟机部署解。本文设计了完备的仿真实验分别对上述两种场景下的虚拟机部署算法的性能进行评估。实验结果表明,在不考虑虚拟机资源请求不确定性的场景下,本文的改进萤火虫算法能够在满足用户需求的基础上,获得高质量高效率的部署结果;资源请求不确定性感知的虚拟机部署算法能够求得更加合理的更高质量的部署结果。基于上述研究成果,本文研发了一款可视化的虚拟机部署仿真系统,设计了标准化接口将本文算法适配于不同平台。本文所研究的一系列虚拟机部署优化方法,对于实现云数据中心的能效优化、提高云供应商服务质量具有理论指导意义。