随着云计算的发展和数据规模的高速增长,单个的设备已无法满足现在的计算要求,为了提高计算能力和设备的利用率,虚拟化技术被广泛应用。但是虚拟机的性能直接影响整个云平台的稳定性和可靠性。本文在研究分析虚拟机故障预警方法的基础上,对极限学习机(ELM)算法进行了深入的学习与研究并将其应用到了虚拟机故障预警中。本文首先对ELM算法进行了介绍。然而,ELM算法有其自身的缺陷。由于ELM算法的输入权值和偏移量是随机产生的,这样导致ELM算法的不稳定性,因此,利用烟花算法的全局搜索能力,对极限学习机的输入权值和偏移进行优化,提出了一种结合烟花算法和极限学习机的优化算法。为了进一步提高烟花算法的全局搜索能力,提出了几种改进的烟花算法,并将其应用到优化极限学习机问题上。与基本烟花算法相比,几种改进的烟花算法都能在不同程度上提高极限学习机的预测精度和泛化能力。对于不同的改进算法,提出了不同的虚拟机故障预警模型,实验结果表明改进的故障预警模型都有更好的预测准确率。其次,本文在基于烟花算法研究的基础上,因受到蒲公英播种行为的启发,提出了一种全新的全局优化算法—蒲公英算法。同时,本文将蒲公英算法应用到优化极限学习机上,进一步提高其预测精度和泛化性能。在此基础上,提出了一种基于蒲公英算法优化ELM的虚拟机故障预警模型,实验表明该模型的是可行的。最后,完成了故障预警系统的设计与实现,并且通过测试证明系统的实用性。实验结果表明,该方法在能够有效避免异常问题的发生,保障服务平稳运行。