伴随着计算机技术和计算机网络的发展,云计算作为一种新的计算方式,由于具有很高的可扩展性和可用性,很快成了学术界和产业界的研究热点[1]。由于大量的数据和计算集中在云端,这使得云计算系统的能耗开销变得越来越大。高能耗带来了多方面的问题,不仅造成了能源的浪费、系统运行的不稳定,同时也对我们赖以生存的环境造成了不良影响。因此,云计算系统的高能耗问题成为亟待解决的迫切问题。本文首先回顾了优化云计算系统能耗的3类主要技术：电压动态调整技术、虚拟化技术和关闭／休眠技术。上述3种能耗优化管理技术有不同的应用场景,同时也存在不同的问题。但从根本上来说,造成能源浪费的主要原因是任务调度的不合理。因此,研究和设计优质高效的任务调度算法是实现优化能耗和系统性能的最佳途径。目前存在的主要任务调度方法有：基于Agent的任务调度、基于成本的任务调度、基于Petri网的任务调度、启发式算法和其他任务调度算法。本文从启发式算法入手,首先总结了遗传算法和蚁群算法的基本理论,然后在这些理论的基础上提出了一种基于遗传算法和蚁群算法的节能调度算法。算法的主要思想是通过复制任务,使任务的副本分配到与其不在同一节点执行的后继任务之前,通过这种方式缩短任务的执行时间并且减少通信的能耗。本文的另-个主要创新是设计了一种动态融合策略,使遗传算法在最优时机切换到蚁群算法,因为遗传算法的进化率伴随着时间的推移是逐渐降低的,而蚁群算法由于早期信息素的匮乏导致进化速率较慢,后期会越来越快。相比较单纯的遗传算法或者蚁群算法,将两种算法动态融合可以提高算法的性能,使算法在较短的时间内收敛到最优结果。最后,通过实验仿真,验证算法的有效性和优缺点。本文提出的遗传算法和蚁群算法动态融合算法通过模拟仿真实验,可以在不引起显著的能耗增长的前提下缩短任务执行时间；相比较单纯的遗传算法,可以提高算法性能10%左右。将这一调度算法嵌入到云计算系统并确定合适的参数,可以显著降低系统的能源消耗并且该算法拥有广阔的应用空间。