现货实例定价方式是一种基于拍卖的虚拟机实例定价方式，它可以帮助云服务提供商有效处理闲置云计算资源，减轻库存压力，因此已在亚马逊弹性计算云、谷歌云和阿里云等国内外主流云服务提供商中得到较为广泛的应用。随着现货实例的逐渐普及，如何制定合理的投标策略成为越来越多云用户面临的关键问题。现有关于现货实例投标策略的研究大多围绕如何在时间约束下最大化用户利益展开讨论，较少关注用户同时面临时间与预算约束的情形，也较少考虑到不同用户对节省时间成本与金钱成本的差异化需求。鉴于此，本文综合考虑时间约束、预算约束和用户偏好，研究金钱成本与时间成本最小化目标下的现货实例投标决策问题。针对该问题，本文首先建立时间和预算约束下的多目标现货实例投标决策模型，然后给出模型的求解方法，最后结合用户偏好对Pareto最优投标策略集进行取舍，确定折衷投标策略。本文的具体工作包括：
　　（1）多目标现货实例投标决策模型的构建。通过分析现货实例的特殊性以及实际云环境中任务类型的差异，本文约定研究的任务类型为中短期内可中断的串行任务和并行任务，在此基础上，综合考虑时间约束与预算约束以及用户对时间成本和金钱成本最小化的需求，分别针对串行任务和并行任务应用场景，建立了时间与预算约束下同时考虑金钱成本和时间成本最优的多目标投标决策模型。
　　（2）基于NSGA-Ⅱ的多目标投标决策模型求解。针对已构建的多目标现货实例投标决策模型，给出了基于NSGA-Ⅱ的Pareto最优投标策略集求解方法，为了评估NSGA-Ⅱ的求解性能，同时采用添加了约束处理的MOEA/D-Tcheb和MOEA/D-PBI作为对比算法进行了实验，并通过Pareto前沿的可视化展示以及基于HV、IGD和IGD+三种质量评价指标的量化分析对各算法的求解性能进行了比较，对比结果显示，NSGA-Ⅱ在求解本文多目标投标决策模型时效果更好。
　　（3）基于改进循环组合评价方法的Pareto最优折衷投标策略优选。得到Pareto最优投标策略集后，首先通过结合主观BWM赋权法和客观熵权法的线性加权组合法来确定对金钱成本和时间成本的偏好权重，接着采用SAW、TOPSIS、VIKOR、PROMETHEEⅡ和灰色关联分析五种多属性决策方法对Pareto最优投标策略集进行排序，得到初步评价结果集，然后采用平均值法、Borda法、Copeland法和模糊Borda法四种组合方法对初步评价结果集进行组合评价，得到组合评价结果集，最后采用改进的循环组合评价方法确定Pareto最优折衷投标策略。在不同偏好权重设置下将改进的循环组合评价方法与现有方法的择优能力进行了对比，实验结果证明改进的方法可以在结果相同的情况下提高现有方法的择优效率。
　　本文的主要贡献在于，在多目标现货实例投标决策问题的研究中，除时间约束以外还考虑了预算约束，并且在确定最终投标策略时，进一步考虑了用户偏好对决策结果的影响，为云用户制定投标策略提供了一定的参考；此外，本文改进了循环组合评价方法，将其用于从Pareto最优投标策略集中挑选折衷投标策略，该方法可以作为一种Pareto最优折衷解优选新思路。