云计算的快速发展已经颠覆了传统IT架构,它给传统物理资源的利用带来了新的方向。云计算利用虚拟化技术将物理资源虚拟化成资源池,根据用户的需求以动态、可伸缩的形式将资源分配给用户。随着云平台的规模不断增大,单纯扩大规模并不能解决数据中心资源利用率低、能耗过高以及系统负载不均衡的问题。针对以上问题,本文立足在开源云计算平台OpenStack上,结合国内外云计算资源调度算法,对OpenStack缺乏动态资源调度问题进行深入研究。主要工作如下:首先,对云计算的概念和相关技术进行研究,着重分析现有云环境下资源调度算法。接着介绍OpenStack平台和相关组件,并指出Nova模块和Swift模块中调度算法的缺陷。其次,针对OpenStack平台调度算法的缺陷,结合前人的研究成果,提出基于灰色马尔科夫的动态资源调度算法。该算法通过改进灰色马尔科夫预测模型对运行节点上的负载信息进行预测,通过节点负载信息的未来趋势配合虚拟机动态调度机制以及事先设定的负载信息上、下限阈值来动态调度虚拟机。仿真结果表明,基于灰色马尔科夫的动态资源调度算法与OpenStack默认的静态调度策略及其它算法相比,能够有效提升节点资源利用率、减少系统能耗以及实现系统负载均衡。最后,针对在云存储环境下,因任务数量增加而导致系统读写速度急剧下降且系统负载不均衡的问题,本文提出基于Swift的混沌粒子群算法。该算法通过改进粒子群算法中的惯性权重和学习因子,令它们自适应变化,增强算法搜索能力,提高搜索精度。通过引入混沌优化理论和早熟判断机制来解决粒子群算法在迭代过程中容易陷入局部最优的问题。仿真结果表明,在高负载情况下,基于Swift的混沌粒子群算法能够有效地提升系统的读写速度,并且使系统达到负载均衡的状态。