近年来,用户对于计算资源的需求越来越高,普通计算机的计算和存储能力在一定程度上制约了现代化办公和应用。云计算的出现,为用户的大量计算需求提供了一种新的解决方法。但是,云计算数据中心不仅消耗着大量电力,还会产生大量二氧化碳,在一定程度上导致了资源浪费和温室效应加剧。因此,降低数据中心的能耗是非常重要的。本文主要研究云计算平台中的能源消耗问题,通过设计合适的资源调度算法来提高能效。主要工作如下:针对云计算平台运算过程中,低负载主机较多导致数据中心能效减低问题,提出一种能效相关的蚁群算法(Ant Colony Algorithm,ACO),来减少低负荷主机数目,从而提高云计算中心的能效。首先,通过对能效相关的云计算资源调度问题进行建模,将调度问题与ACO算法进行映射;然后,重新定义了迁移概率和信息素浓度更新公式,对空闲主机和活跃主机采用不同策略进行处理,解决了现有蚁群算法在特定条件下的适用性问题;同时,改良了最适应下降(Best Fit Decreasing,BFD)算法,将改良后的BFD算法作为初始化算法,解决了现有蚁群算法收敛速度慢的问题;最后,在CloudSim平台上进行仿真实验,结果表明,相较于现有成果,本算法在两种仿真情形下的总能耗分别降低了约11.13%和90.20%。针对云计算平台中少量虚拟机占用空闲主机问题,提出一种能效相关的时间感知蚁群算法,结合任务等待延时属性,降低了云计算平台整体能耗。首先,针对时间感知型虚拟机提出延迟分配策略;然后,引入服务等级协议(Service Level Agreement,SLA)的服务可用性作为指标进行约束监督;接着,定义两个关键参数,用以确定延迟分配策略适用的虚拟机集合;最后,在CloudSim平台上进行仿真,以结果有效性、SLA服务可用性、算法稳定性为指标,确定了关键参数的取值,并对参数取值在多种条件下进行了验证,结果表明,该方法进一步降低了数据中心总能耗,降低幅度达7.31%。