云计算技术在各个国家得到了广泛的重视并取得了飞速的发展。随着云用户数量的增加以及云服务规模的不断增大,云数据中心的规模也急剧增加。如何更好的来对物理机的资源进行分配、改进虚拟机的资源调度机制以提高整个云平台的资源利用率、资源均衡度以及降低整个云系统的能耗成为当前业界研究的热点问题。目前,OpenStack云平台可以通过Dashboard管理界面或者通过命令nova live-migration手动的实现迁移虚拟机,缺乏完善的虚拟机的自主迁移以及目标物理主机的选择机制。而且,OpenStack中内置的目的主机选择算法单一,只是经过主机过滤后按照所剩余的内存量排序,优先选择内存剩余量最大的主机作为目的物理主机。针对上述问题,本文首先深入研究了OpenStack内部资源调度的机制,分析了OpenStack内置的调度算法的不足。然后,研究了近几年国内外流行的虚拟机的调度策略。最后提出了一种基于蚁群算法的改进的多目标优化部署策略,该算法能更好的对虚拟机进行动态的整合。在CloudSim仿真云平台上的仿真结果表明该算法能有效的平衡多个相互冲突的目标,既提高了整个云平台的资源利用率、资源平衡度又降低了整个系统的电量消耗。云系统在运行一段时间后,服务器之间会出现负载不均衡的现象。一部分服务器随着应用的增加导致该节点负载的增高。由于每台服务器的资源是有限的,因此负载增高会导致用户的服务质量下降。一部分服务器会随着应用的减少,造成运行在负载较低的情况,大量的低负载服务器造成了电量的严重浪费。所以,在OpenStack中需要一个合理的虚拟机的动态调度算法来补充原有的算法的不足。针对这个问题,本文提出了一个双阈值加多目标优化的虚拟机动态调度算法,然后从系统资源监控、资源调度时机的选择、待迁移虚拟机的选择到迁移物理机的选择四个方面来阐述该策略。该迁移策略采用时间预测来选择虚拟机迁移的时机,使用多目标优化算法来选择合适的物理机作为迁移的目标主机。为了避免群聚效应,设计了基于概率选择的物理主机选取算法。最后通过在云仿真平台CloudSim上的仿真,结果表明该算法耗电量、用户SLA违背率、资源均衡方面有了比较显著的提高。