云计算作为一种传统计算机技术和网络技术发展与结合的新模式,在过去的二十年中得到了快速的发展。虚拟化技术作为云计算的重要支撑技术,其可扩展性和灵活性使得云计算在资源利用和服务管理上得以进一步的提高。但随着云数据中心规模的扩张,所需处理的云任务请求也越来越多,这将对用户服务质量、整体性能稳定等方面带来诸多挑战,因此如何保障用户服务质量,提高云数据中心资源利用率是云计算领域研究的主要问题之一。论文从静态和动态两方面针对云数据中心负载均衡部署问题进行了研究。在静态负载均衡部署方面,针对现有负载均衡方法优化目标单一以及粒子群算法迭代过程中易陷入局部最优两方面问题,在粒子群算法的基础上引入模拟退火算法和遗传算法的思想,提出一种基于多目标混合粒子群的虚拟机初始化部署算法。由仿真实验证明,这一算法相对于其它算法在负载均衡方面的效果更为显著。在动态负载均衡部署方面,首先在虚拟机迁移时机问题上,针对服务器性能值呈现周期性、趋势性、季节性的特点以及现有预测方法在预测准确度方面的不足,设计了一种基于LSTM网络预测模型的热点服务器检测方法。其次在虚拟机迁移选择问题上,综合现有迁移选择策略,设计了一种基于多目标混合粒子群算法的虚拟机迁移策略。通过仿真实验证明了论文设计的动态负载均衡方法相对于已有方法更具有效性。论文在云数据中心的负载均衡部署问题中,分别从静态负载均衡部署和动态负载均衡部署两方面对其进行了研究,这将对保证云数据中心的用户服务质量、整体性能稳定,提高云数据中心的资源利用率具有现实意义。