动态多目标优化进化算法广泛应用于工程领域,用来处理一类与时间相关的动态多目标优化问题。云资源调度的效率是影响云计算效率的关键性因素,当前如何提高云资源调度的效率是云计算领域引起广泛关注的问题。在云资源调度当中存在许多动态多目标优化问题,基于多目标优化进化算法在处理多目标优化问题方面显现的优势,引入动态多目标优化进化算法来解决云资源调度当中的动态多目标优化问题成为云计算研究领域的一个热门点研究方向。本文重点研究了动态多目标优化进化算法在云资源调度中的应用。文章首先介绍了云资源调度问题的特点及研究现状;然后分析了多目标优化进化算法处理云资源调度问题的优势及其不足,在此基础上提出了新的动态多目标优化进化算法--基于历史信息和历史信息预测的动态多目标优化进化算法,并将其应用到云资源调度问题中。本文的主要内容及贡献包括以下三个方面:首先,本文通过分析和比较现有的云资源调度策略,提出了一种多目标优化的云资源调度模型。这个模型通过虚拟机迁移的方式实现资源调度,它综合考虑了云环境的能源消耗、迁移后云环境的服务能力和虚拟机迁移本身带来的迁移代价,是一个多个目标兼顾的资源调度模型。其次,本文设计了一种新型的编码策略来表示云环境。该编码方式充分考虑了编码策略的几个首要原则:不冗余性、合法性和完备性。这种编码策略做到了简单且一一对应,不存在重复编码的问题。然后利用此编码策略改进多目标优化进化算法,并将其应用于云资源调度当中,验证了多目标优化进化算法在云资源调度当中应用的可行性。最后,本文提出了一种基于历史信息和历史信息预测的动态多目标优化进化算法,并将其应用于动态云资源调度中。结合云资源调度动态变化的特点,有针对性地改进了多目标优化进化算法。通过利用进化过程的历史信息来预测种群变化方向的趋势,使种群的多样性得到了保证;同时又充分利用进化过程中有效的历史信息,加快了算法的收敛速度。通过大量的实验验证了基于历史信息和历史信息预测的动态多目标优化进化算法在动态云资源调度应用上的性能。