随着互联网的飞速发展,连接云端的用户数量越来越庞大,云计算供应商通过虚拟化技术把一个实体的主机虚拟化为多个虚拟机,仅仅使用有限的物理主机就能保证多用户的需求,用大量服务器构成规模庞大的数据中心,满足用户的任务需求。如何高效地在云计算中为用户分配满足其任务需求的资源节点显得尤为重要。模拟退火算法（Simulated Annealing,SA）是解决调度问题的一种常见算法,但其本身存在效率低下的问题,难以得到高质量的最终部署方案。为了解决此问题,本文在模拟退火算法中引入免疫机制的概念,提出一种基于免疫机制的模拟退火算法。另外将禁忌搜索算法（Tabu Search,TS）与改进的模拟退火算法结合,将两种算法进行优势互补。在云计算资源调度场景中运用上述两种改进的模拟退火算法。论文的研究工作和内容如下:（1）本文对云平台资源调度模型进行研究,分析云计算中资源调度的层次类别,了解云计算中资源调度的特点,对云环境中资源调度问题进行数学建模,将资源调度问题模拟成任务映射到虚拟机问题。考虑系统资源使用情况以及虚拟机运行时间,在传统模型基础上构建了一种包括系统完工时间、系统负载均衡和系统执行成本的多目标评估模型。针对该模型,提出了一种基于免疫机制的模拟退火算法进行求解。通过免疫机制将资源调度目标和最终分配方案分别对应为抗原和抗体,在抗体群更新过程中引入Metropolis准则,以一定概率接受劣质抗体,增加了种群多样性,防止算法陷入局部最优。在退火过程中,对冷却参数进行振荡操作,使算法能够在局部进行精确搜索的同时加快收敛速度。本文通过虚拟机负载以及任务预期完成时间选取了较为优质的初始抗体群,进一步提升了算法的效率。（2）本文将改进模拟退火算法的快收敛特性和禁忌搜索算法高效的寻优能力相结合,提出了融合算法ISATS。该算法可以在前期较快收敛,后期利用禁忌搜索算法高效的寻优能力增强对全局最优解的寻找。除此之外,在选择候选解的过程中使用了考虑负载因素的Metropolis准则,可以有效的使算法在考虑负载均衡的情况下扩大一定的搜索范围。最终实验表明,ISATS融合算法在完工时间和负载均衡度方面都有较好的性能。