随着科学技术的快速发展,航空航天等大型项目的运行成本越来越高,云仿真在降低运行成本、提高演习效率等方面起到了重要作用,成为了大型项目实现测试评估的重要技术。但是在进程高并发、资源需求量巨大的场景下,为保证仿真任务顺利运行,就需要将单个计算节点无法承担的任务调度到其他空闲的计算节点中,因此需要一种合理的仿真资源智能调度技术去解决仿真任务与仿真资源之间的供需关系。目前解决仿真资源智能调度问题的主要方法有遗传算法、神经网络等,但是都存在方法实现过于复杂、正确性不高、全局最优解能力低等问题。鉴于此,本文在面向服务框架的基础上,对目前的仿真资源智能调度算法展开研究,针对当前仿真资源智能调度算法的不足,设计了基于Kubernetes下的仿真资源容器管理平台,采用超图描述仿真任务间的关联性,提出了基于超图学习的仿真资源智能调度算法。论文的主要内容包括:（1）设计了面向服务的仿真资源容器化管理平台。传统大型仿真项目的仿真资源管理平台存在运行环境构建困难、仿真组件交互复杂等缺点,鉴于容器化技术具有资源消耗量低、镜像启动速度快等优势,本文利用容器化技术将仿真资源封装为镜像,利用容器管理工具Kubernetes实现了面向服务的仿真资源容器化管理平台。（2）提出了基于超图学习的仿真资源智能调度算法。超图学习作为一种新兴的机器学习方法,通过保留样本之间的关联性来描述数据,因此可以在复杂、非线性的样本分布下较好地描述数据特征。本文利用超图学习的相关技术,将每个仿真节点视为超图的顶点,根据仿真任务与计算节点之间的供需关系构建超边,获得可以描述仿真任务之间关联性的超图,再利用谱聚类实现超图的分割,进而实现仿真任务的优先级划分,之后将其调度给合适的计算节点,最终实现满足于工程应用需求的仿真资源智能调度算法。（3）验证了Kubernetes下仿真资源容器化管理平台的有效性与基于超图学习的仿真资源智能调度技术的高效性。对仿真资源容器化管理平台的镜像仓库进行镜像拉取、上传、运行等测试,成功验证了仿真资源容器化的有效性,并且通过运行开源系统监控工具Prometheus与前端动态图表显示工具Grafana成功实现了对仿真资源容器的动态监控,验证了云仿真平台中监控系统的有效性。最后使用小球碰撞实验作为仿真任务,验证了基于超图学习的仿真资源智能调度算法在减少仿真任务运行总时间上的高效性。