云计算作为一种新兴的商业计算模式,是目前研究和应用最为广泛的分布式计算。云计算拥有规模庞大的服务器集合和大量的用户群体,需要频繁的进行资源分配。当前,如何在满足用户资源需求的基础上,设计高效的资源分配方法成为了云计算领域的研究热点。现有的云计算资源分配方法较少考虑云计算面向服务的特点,分配目标较为简单不能充分满足用户QoS(Quality of Service,服务质量)需求;而且随着云计算的不断发展,资源分配问题的复杂度也不断提升,单一的启发式算法存在一定的局限性,很难在算法的性能和收敛性上做更大的改进。所以本文针对以上存在的问题,提出了带有双目标约束的资源分配模型,并设计了联合优化算法(Joint Optimization Algorithm,JOA)解决云计算环境下的资源分配问题,主要做了以下工作:(1)提出了带有双目标约束的资源分配模型。基于云计算的商业模型,提出了本文所研究资源分配问题的目标,同时考虑了QoS需求中用户应用任务不同的截止时间要求和执行成本最小化的需求;然后在此基础上建立了虚拟机资源分配的数学模型。(2)为解决云计算环境下基于QoS驱动的资源分配问题,提出了联合优化算法JOA。该算法首先通过引入惩罚系数将两个调度目标转化成单一目标函数形式求解,并且根据实际应用的具体情况重新设计了遗传算法的适应度函数及遗传算法的遗传操作,提出了交叉概率的自适应调整;然后以遗传算法的进化率为根据设计了一种动态的切换方式实现了算法的切换,并设计了一种信息素转化策略用遗传算法的部分较优解初始化蚁群算法的信息素;最后在蚁群算法的虚拟机选择上,根据虚拟机结点的当前状态计算启发因子,并且引入笨蚂蚁来增加虚拟机选择的随机性避免算法陷入局部最优。(3)仿真实验与结果分析。在云计算仿真平台CloudSim上实现了本文提出的基于联合优化算法的资源分配方法。实验结果证明了相比于单独的遗传算法和蚁群算法,联合优化算法JOA在解决基于QoS驱动的资源分配问题上更加有效。