云计算作为一种新型的绿色计算模式,极大程度上改变了传统的服务模式,通过与网络技术的紧密结合为用户提供了各种应用服务。但是,由于云数据中心基础设施规模的不断扩大,给云计算产业带来了高能耗问题;对于云计算环境下资源动态配置方面,还需要考虑在各种状态下资源分布的稳定性问题。因此,研究如何优化虚拟机调度策略,对于提高云数据中心的资源利用率、降低能耗以及提高云数据中心物理节点稳定性等方面极具意义。本文对基于多目标优化的虚拟机资源调度问题进行研究,主要内容如下:(1)主要考虑了在虚拟机初始化放置阶段,针对云数据中心产生的高能耗、如何提高云数据中心资源利用率的问题展开研究,提出了一种基于能耗优化的虚拟机初始化放置算法(M-GA)。该算法通过建立服务器能耗模型、多维资源模型,在遗传算法的基础上,通过设置基因评估参数、设计适应度函数,并且在交叉、变异等方面进行优化,提高了搜索效率。CloudSim仿真实验结果表明,相对于传统的遗传算法(GA),M-GA在提高数据中心的资源利用率方面效果更好;同时,M-GA能降低数据中心的能源消耗。(2)研究了在虚拟机动态管理阶段,针对数据中心负载动态变化的特点,提出了基于多目标优化的虚拟机资源调度算法(M-MOGA)。该算法对于虚拟机发生数据迁移时的开销、新虚拟机分布状态的稳定性以及新旧状态转换过程中的服务等级协议(SLA)进行了综合考虑。CloudSim仿真实验结果表明,相对于面向多虚拟机分布稳定性的遗传算法(GA-S),M-MOGA能够较好地实现多虚拟机分布的稳定性、虚拟机重新放置的迁移开销以及新旧状态转换过程中的服务等级协议(SLA)问题的权衡。