随着科技的进步,智能设备越来越普及,由此产生了大量的数据,大数据及5G时代也随之到来。每天产生的庞大数据,将通过云数据中心处理,由此也带来云数据中心比较关心的问题,即云数据中心的能耗成本及收益的问题。传统的云数据中心通过从电网购买火力发电电力,不仅成本较高而且由于火力发电产生大量的污染气体,对环境造成严重的污染,既不经济又不环保,此问题亟需得到改善。本研究针对这一问题,综合考虑风能及太阳能绿色能源,并假设绿色能源只有设备的一次性投入成本,从而提出一种基于混合供电方式的云数据中心利润最大化方法。此方法尽可能的优先使用云数据中心所能提供的绿色能源,在绿色能源供应不足的情况下再使用电网购买的电力,从而尽可能达到云数据中心的绿色环保同时也达到利润的最大化。综上所述,本研究主要工作及贡献具体如下:首先,本研究选取三种类型的任务,并为每种类型任务设计相应的服务等级协议(Service Level Agreement,SLA),每种服务等级协议既包括每种类型应用最大延迟时间内的收益又包括超过延迟时间的赔偿,更符合实际情况。其次,本研究选取三个云数据中心并采用其真实的同一时间的负载、风能、太阳能及电价数据,使实验结果更符合实际情况。研究采用谷歌云数据中心公布的负载数据及通过公开数据采集风能、太阳能及电价数据作为研究对象,经过对原始数据集进行处理(处理异常数据),将其聚合成指定时间粒度的时间序列。再次,研究构建双目标联合优化模型。本研究综合考虑云数据中心对不同服务器、应用请求到达率、任务损失率等因素的影响,从而研究提出一种基于混合供电方式的云数据中心利润最大化方法,由于本工作处理的目标函数为带有约束的函数,所以通过采用外点函数法将带有约束的多目标函数,转换为无约束的多目标优化问题进行求解。最后,采用改进的多目标优化算法解决本文提问的优化问题。本文提出的改进的多目标优化算法与NSGA-II、SPEA2、MOEA/D算法在经典的ZDT系列测试函数上进行对比实验,并采用三种性能指标进行衡量,本文提出的方法取得较好的性能评价结果。基于上述方法求解构建的优化模型目标,使其达到一个相对的权衡,并从优化结果、运行时间及方法的拓展性等指标进行评价,即成本优化到最小的同时收益达到最大,从而使其利润取得较好的结果。