云计算的运行性能和能耗主要受云计算资源调度策略的影响,为了提升云计算的服务质量,降低云数据中心的运行成本,资源调度策略成为了云计算技术领域研究的热门课题。目前针对云计算中的资源预测、部署等资源调度策略的研究取得了一定成果,但仍存在一些关键问题亟待解决,如无法准确预测资源需求、异构物理机条件下难以高效放置虚拟机资源等。因此,针对上述问题,本文从资源预测和资源放置两个方面展开研究:(1)提出基于神经网络组合模型的资源预测算法。针对现有单一资源预测模型无法准确预测云计算资源需求,本文结合现有资源预测算法提出了基于神经网络组合模型的资源预测算法——NNCM。NNCM模型通过神经网络组合多个资源预测模型的结果,并通过模型训练优化权重。NNCM模型利用现有资源预测模型,通过对模型预测结果的有效组合,实现云计算资源需求的准确预测。(2)提出面向异构物理机的多维资源放置优化算法。针对异构物理机条件难以高效放置多维资源问题,本文提出了面向异构物理机的多维资源放置优化算法——MRPOAHPM。MRPOAHPM算法在遗传算法的基础上,分析异构物理机和多维资源条件的放置问题,设计了多维资源放置优化模型。MRPOAHPM算法针对放置过程中物理机规格的选择设计了算法——PMSSABOG算法,在放置过程利用放置方案的评价函数和遗传算法的特点不断优化放置方案,以实现虚拟机资源的高效放置。MRPOAHPM算法可在短时间求出接近最优虚拟机放置方案。(3)基于上述资源预测和资源放置算法,进行了多组仿真实验,验证所提出方法的可行性和有效性。与主流资源预测方法相比,NNCM模型能够准确估计未来一段时间用户的需求,预测准确性更高,为后续资源放置奠定了基础。与同构物理机、异构物理机条件的传统多维资源放置算法相比,MRPOAHPM算法的放置方案中CPU和内存资源使用率更高,有效提高了云计算资源的利用效率,减少了资源请求的响应时间,提升了云服务的质量。