云计算作为一种新的商业模型和计算模式,将任务分配到由大量的计算机构成的资源池上,使用户能够按需获取计算能力、存储空间和应用服务。近年来,随着云计算的发展,越来越多的用户将自己的应用部署到云数据中心。这些应用有着不同的资源需求,使得虚拟机的负载处于不断变化之中。面对用户多样化的需求,如何为虚拟机分配合适的物理机,以及如何在虚拟机负载随机波动的情况下对负载异常的物理机进行虚拟机迁移,成为了需要关注的问题。针对以上问题,本文从以下两个方面开展研究工作。(1)针对虚拟机的放置问题,构建了多目标的虚拟机放置优化模型,并根据实际问题场景,提出了基于KnEA改进的EEKnEA(Energy-Efficient Knee Point Driven Evolutionary Algorithm)算法对模型进行求解。首先,为了满足多样化的调度需求,构建了考虑负载均衡、资源利用率、能源消耗以及鲁棒性指标的虚拟机调度模型。对解决多目标优化问题具有较好效果的KnEA算法进行改进,引入通信频繁且通信量大的虚拟机尽量放置在同一物理机上的启发式策略,对上述模型进行优化求解。实验结果表明,与现有算法相比,提出的的算法不仅可以获得质量更优的解集,亦可以实现多个目标之间的均衡。(2)针对虚拟机负载随机波动情况下物理机发生负载异常时虚拟机的迁移问题,提出了多目标的虚拟机迁移优化模型,并提出了基于KnEA的改进算法。除了考虑虚拟机的迁移对分配方案的负载均衡、资源利用率、能源消耗以及鲁棒性指标的影响外,还加入了虚拟机的迁移成本目标。对于优化算法,本文在种群初始化阶段加入了两种启发式策略,在获得更优质的初始种群的同时,提升求解效率。本文提出的多目标的虚拟机放置和迁移研究,可以进一步满足用户对于资源请求的多样性需求,同时保证云数据中心的低能耗和高资源利用率,使得云数据中心可以提供更加稳定的服务,具有较好的应用场景