移动云计算通过将云计算和移动互联网技术相结合,实现优势互补,给移动用户带来了更加便捷的云服务,移动用户可将数据的计算和存储等工作迁移至云端来改善其移动终端处理能力弱、存储空间小以及电力续航时间短等问题。然而由于移动用户具有分布性、流动性等特点,服务申请、退出往往具有不确定性且用户对服务质量要求较高,导致资源调度频繁、随机,给移动云计算中心的资源管理带来了新的挑战。如何对移动云计算数据中心的资源进行动态合理地管理,在确保服务质量的同时最大化数据中心的效用是移动云计算领域持续研究的重点之一。针对上述问题,本文在分析了移动云计算数据中心资源管理需求的基础上,针对移动云计算中心特点,分别对移动云计算的资源调度、负载预测以及数据中心故障检测机制等方面展开了系统而深入的研究。本文的主要创新工作概括如下:(1)针对移动云数据中心资源频繁调度带来的高能耗问题,建立了移动云数据中心的资源模型和动态能耗模型;基于该模型,提出了一种面向移动云计算的四维度虚拟资源调度算法(FVRSA),将资源分配过程划分为三个阶段:资源初始分配、资源动态调度和资源全局优化;以能耗最低为优化目标,针对上述三个阶段分别设计了三种优化算法进行求解,通过仿真实验对所提出的模型与算法进行了验证,试验结果表明,相比与同类算法,本算法可有效降低云数据中心的能耗,并可最大限度满足服务等级协议SLA。(2)为了在降低移动云数据中心能耗的同时又能提高数据中心的效用,基于多目标优化技术建立了虚拟机调度模型VMSA-EU;将最小化数据中心能耗和最大化数据中心效用作为目标,提出了基于NSGAII的虚拟机调度算法来求解该模型;通过仿真实验验证了本文提出的模型与算法的有效性,与同类算法进行了对比实验,实验结果表明,本文提出的算法在进行虚拟机调度时,在调度时间、调度结果两个方面均优于同类算法。(3)针对移动云计算中的主机负载预测问题,引入小波支持向量回归模型,提出了一种混合小波支持向量回归主机负载预测算法;通过对移动云计算数据中心的主机负载数据的研究分析,以小波支持向量回归模型为基础,对负载数据进行预测,并采用萤火虫群优化算法对模型参数进行求解,提高了模型的预测精度;通过仿真实验与同类预测算法进行了对比,实验结果表明本文提出的预测算法在预测精度上优于同类预测算法。(4)针对移动云数据中心的高可用性问题,对ARMA模型进行了改进,提出了一种面向移动云计算的双层心跳检测模型及双层心跳检测算法(DLHB),该算法由基于ARIMA预测域间心跳算法和域内心跳检测算法两部分组成。实验结果表明,提出的DLHB算法能够同时检测多个节点故障,具有更短的检测时间。(5)针对舰船领域应用需求,运用相关理论设计了面向领域应用的移动私有云资源管理平台总体架构、逻辑架构和总体流程,初步构建了舰船移动云资源管理平台,编码实现了本文提出的模型和算法,并对其功能、性能进行了测试和分析。