云计算是面向市场的应用,优化调度资源不仅能提高上层云的服务质量(QoS),还可能满足用户基于SLA定义的QoS需求。云计算的大规模性、动态性、异构性和多样性等特性也给资源优化调度问题的研究与评价带来了一系列的挑战,本文从形式化描述、算法设计与性能评价等方面,对资源优化调度展开了深入研究。论文的主要工作包括:首先,考虑“云”系统资源异构性、带宽可变性和需求多样性,形式化描述云计算的任务调度与资源分配过程,设计多目标优化函数。改进了粒子群算法(PSO)的更新加速因子,避免过早陷入局部最优解,并提出了基于PSO的多目标任务调度(AMTS)算法。仿真结果表明,AMTS算法的收敛速度要快于遗传算法,且能够有效减少执行时间,降低能耗,并提高资源利用率,从而降低平均运营成本。其次,首次使用Petri网相关理论对Hadoop的公平调度(FS)进行随机建模与性能分析,将云计算的资源分配过程表示为马尔科夫调制确定过程(MMDP),并使用随机Petri网(SPN)和确定随机Petri网(DSPN)建模调度过程中的数据状态和调度算法。通过设置DSPN中的可实施变迁与随机开关,描述具有最低保障份额的公平调度(MMFS)算法和具有优先级的MMFS(PMMFS)算法,并引入模型分解技术和定点迭代分别解决状态爆炸问题与子模型间的交互问题。通过仿真方法对MMFS和PMMFS这两种算法的某些性能指标进行对比,如平均队列长度、平均吞吐量和平均时延。然后,针对“云”系统的多样性、动态性和大规模性,基于DSPN和随机回报网(SRN),提出了一种新的Petri网——动态可扩展随机Petri网(DSSPN),并阐述了它的发生规则和动态性质,为研究“云”资源优化调度问题提供了理论基础。此外,考虑工作负载多样性,提出分类公平调度(CFS)算法,并用DSSPN对CFS和FS两种算法进行建模和分析,仿真结果表明,CFS在平均吞吐量、平均响应时间和平均完成时间上的性能要明显优于FS。最后,根据绿色云的概念,提出能耗感知可迁移云数据中心的概念物理架构,抽象出它的任务调度流程。以优化能耗、资源利用率和故障率为目标,提出了能耗感知虚拟机调度算法(EAVMS)和能耗感知虚拟机迁移算法(EAVMM),并使用DSSPN对任务调度过程进行建模与分析,进一步验证了DSSPN的可用性与可行性。本文研究“云”优化调度这个问题,除了提出任务调度与资源分配策略之外,本文最大的贡献就是将Petri网理论应用到“云”环境中,并发展了Petri网理论,使它在云计算的环境下能够得到应用与完善。