随着分布式计算、网格计算、效用计算等技术的发展,研究学者们融合了这些传统计算机和网络技术的优点,从而提出了一种更高级的计算方式——云计算,这是互联网领域的又一巨变,从此云计算得到了快速的发展与普及。然而,数据中心的规模不断扩大,需要投入更多的电力来支持人类的计算和存储需求,解决数据中心的能耗问题也变得越来越紧迫。本文从云数据中心高能耗问题入手,设计云数据中心能耗管理策略、任务调度算法,提高云计算效率,降低能量损耗,为数据中心运营商企业带来直接经济效益。为均衡性能与能耗,使云数据中心综合收益最大化,本文设计了一种基于蚁群优化算法的动态能耗管理策略,首先建立了云数据中心动态能耗管理系统模型,然后采用随机Petri网技术,建立任务调度模型,形式化分析任务调度过程,在此基础上提出了一个任务调度策略LET-ACO。具体完成的工作如下:提出了一个面向云数据中心的动态能耗管理系统架构,结构系统主要分为三个部分:DVS控制模块、负载均衡模块、任务调度模块。通过分析云数据中心虚拟化环境及集群能耗特点,建立了任务执行时间预测模型与虚拟化云平台的能耗计量模型,为实现任务调度算法提供了预测数据依据。基于MapReduce执行过程,用随机Petri网中的库所与变迁表示该过程中的相应元素与事件,建立了云任务调度系统的随机Petri网模型,并给出了模型性能分析方法,不断进行等价求解,最终得出系统的性能参数,为设计任务调度策略提供了必要的模型基础和分析依据。基于本文设计的任务调度处理过程模型,受生物计算的启发,选用蚁群算法,并寻找蚁群算法与任务调度处理过程结合的切入点,结合随机Petri网模型,设计了基于蚁群算法的任务调度策略,并给出了求解步骤。经过理论分析、模型构建及策略设计与实现,最终实验结果表明,所设计的策略能够在一定程度上缩短任务完成的总时间并降低处理所有任务的总能耗,证明了本论文提出的任务调度策略的有效性。