云计算作为计算机行业新兴技术的一个重要组成部分,其运行性能的好坏直接影响到处理大规模问题的效率。对此,探求优化组合智能算法是目前云计算研究的重要任务,同时也具有相当大的挑战。在智能计算领域中,蚁群算法和遗传算法是最具有代表性的两种智能优化算法,前者是对蚂蚁群觅食过程的模拟,后者是模拟自然界中自然选择优胜劣汰过程的计算模型。蚁群算法善于求解离散型优化问题,体现了其优越的性能,但是在寻优过程中极易过早收敛,出现非全局最优解,而遗传算法概念比较简单,易与其它智能优化算法相结合,但局部搜索能力差,进化过程中不能很好地利用系统反馈的信息,产生大量的无效迭代等缺陷。论文在蚁群算法和遗传算法深入研究的基础上,针对两种算法各自存在的优缺点,提出用自然选择策略和免疫机制原理分别对蚁群算法和遗传算法进行改进,将改进后的两种算法,按照扬长避短的方式进行融合,得到遗传-蚁群混合型算法。在遗传-蚁群混合型算法中,首先初始信息素的分布是通过遗传算法的快速随机搜索产生的,然后由自然选择策略蚁群算法积累的信息素构建出比较好的解集,再利用免疫遗传算法的选择、交叉、变异操作以及免疫选择来调节蚁群算法的参数组合,最后利用遗传算法的最优解保留机制,从而得到最优解。论文又将遗传-蚁群混合型优化算法部署到云计算平台中求解旅行商问题。论文设计实验将提出的遗传-蚁群混合型算法分别与蚁群算法和遗传算法在相同云平台环境条件下做对比,仿真测试结果表明：基于遗传-蚁群混合型优化算法相比改进之前的单一算法,在求解旅行商问题时不仅执行时间短,而且求解效果更佳。从而为探索在云平台下求解旅行商问题提供了解决方案。