云服务商整合计算机系统资源,通过资源共享的方式将数据中心的资源,以一定的规则对外提供。用户在云平台上,按照自己的需要支付一定的费用给服务商,用于购买资源,而无需关注底层基础设施的实现。良好的资源调度算法能够提高资源利用率,降低能耗,减少企业的运营成本,因此研究云平台资源调度算法具有重要的意义。本文介绍了云平台的体系结构、服务模式、部署模型、关键技术以及常见的调度算法,研究了云平台下资源调度问题并进行分析建模,以降低数据中心物理服务器的资源闲置率以及数据中心整体单位时间内能耗等多目标为主要优化目标,针对此类多目标优化问题,选择智能算法中遗传算法去解决。本文研究了遗传算法与模拟退火算法的原理、特点与不足,由于遗传算法在搜索空间搜索时会在某一空间收敛过快,因此借鉴模拟退火算法的思想对遗传算法进行改进以控制算法的收敛速度,使算法专注于搜索优秀的解。云平台下资源调度问题可以抽象为多目标优化问题,因此设计了遗传算法中的评价函数,并在仿真平台CloudSim中实现了基于遗传算法、改进后遗传算法、首次适应算法、最佳适应算法、最差适应算法等算法的资源调度策略,以标准性能评估公司提供的真实能耗数据作为物理服务器的能耗模型,设计了实验方案并进行了仿真。实验结果显示,在降低数据中心资源闲置率与单位时间内功耗等两个方面,改进后的遗传算法具有一定的优越性。