云计算已经成为一种基于按需定价模型向用户提供计算和存储等资源的新工具。其应用已经转向了外包和移动云计算,如iCloud存储等等。服务器虚拟化的允许在单个物理机器上运行操作系统和相关应用程序的多个实例。分配给这些实例的资源量和它们所使用的存储量可以通过Web接口在任何时间任何地方进行管理。在云计算系统中,任务调度和虚拟资源优化是NP-难优化问题。如何有效地使用云计算资源并获得用户端和云计算服务提供商端的最大利润是云计算服务提供商和云计算研究人员新的挑战。本论文的主要工作和成果如下:(1)为了解决云计算环境中的资源优化问题,本文提出了一种多目标资源调度算法,通过平衡簇内节点间的工作负载,减少任务等待时间和响应时间。该算法可以检测系统状态并做出决定,如果所有节点处于繁忙状态,则提交的任务会保持在队列中,直到接收到继续执行的通知或将其迁移到可用节点为止;(2)为了解决云计算中的任务调度问题,提出了一种改进的粒子群优化(PSO)算法以优化任务调度和云资源。仿真结果表明,该算法能以较低的代价减少总时间,快速、动态地优化虚拟资源;(3)基于进化算法提出了一种云平台任务调度和资源优化算法(EGA-TS)。该算法重新设计了合适的选择、交叉和变异算子。对比仿真实验结果表明,相比于 AEFT-T、HEFT-B、Basic GA、CPOP、和 MOSCOA,EGA-TS算法可取得最优结果。本论文共分为6章。第1章简要介绍了云计算的研究动机、目标、挑战、方法和研究问题。第2章对云计算中现有的虚拟化资源管理和任务调度优化算法进行了综述。在3章中,本文基于Hadoop YARN系统架构提出了一种云计算环境自动迁移过程,并设计了一个多目标资源调度算法(MORS),以最大限度地提高资源利用率。在4章中,本文提出了一种改进的粒子群优化算法(MPSO)来解决任务调度和虚拟资源利用问题,以优化云计算中的任务执行时间和计算成本。本文将任务执行时间和计算成本设定为目标函数并与其他算法进行了性能比较。第5章提出了基于进化算法的任务调度和云资源优化方法。第6章对本文工作进行了总结,并阐述了未来的研究方向。