云计算通过采用虚拟化技术实现对物理资源的优化整合与分配,使单一物理平台上能够提供更加丰富的系统环境和应用服务,从而提高了物理资源的利用率。然而,集中化的硬件设备、高密度的软件应用、海量的复杂计算任务、全天候的实时服务响应使得云平台面临着高电力、高计算、高存储、高带宽等资源过量消耗的严峻挑战。在国家制定“绿色、低碳”方针政策的倡议下,提高资源利用率（包括网络,服务器,存储,应用软件,服务）、降低物理设备使用量、减小传统云平台中的能源消耗已经成为“绿色”云计算的首要目标。虚拟机是云计算平台提供服务的核心,虚拟机如何部署成为能否降低物理设备使用量、提高物理资源利用率的关键环节,而虚拟资源的调度与分配问题就成为实现这一目标的重要途径。传统云平台中基于负载均衡的虚拟机调度策略,其核心思想在于避免物理机负载过重或过轻,并未从资源利用率层面对虚拟机占用物理机资源的情况进行细粒度的描述,导致利用率低的虚拟机往往和利用率高的虚拟机隶属于相同的物理机。如果将虚拟机按照利用率进行分类,有选择的迁出虚拟机并关闭一定的物理机,可以有效的降低云平台的整体能耗。因此,本文在保证SLA（Service Level Agreement）的前提下,提出基于虚拟资源利用率的能耗模型,对云平台中虚拟机的评估、选择和优化部署展开较为系统的研究,为构建低功耗云计算平台提供理论和技术支撑。本文工作主要包含以下几个方面:1.基于层次分析法提出云计算平台下的一种虚拟机评估模型。该模型可有效评估虚拟机特征及占用资源对物理机能耗的影响,解决了甄别低利用率虚拟机的问题。首先,从应用需求出发,以虚拟机的工作特点、使用情况和利用率等状态属性作为参数,建立相应的量化指标;其次,基于量化指标构建虚拟机评估指标体系,确定各个特征之间的判断矩阵,并验证判断矩阵的一致性;最后,结合频繁项集理论,深入研究评估指标体系中的虚拟机运行状态特征,提出一种针对该特征的度量模型。实验结果表明虚拟机评估模型实现了对虚拟机特征及占用资源的定量化描述,能够对低利用率虚拟机进行有效区分。2.基于协同过滤方法提出一种虚拟机推荐模型。该模型能够对云平台中海量虚拟机实例进行分类,并提取虚拟机在利用率和能耗方面的相关特征,进而得到推荐策略,解决了待迁移虚拟机的判定问题。首先,构造虚拟机属性特征矩阵,对需要迁移的虚拟机和其他虚拟机进行相似度计算;其次,基于相似度计算结果,结合k-means聚类分析方法,挖掘虚拟机相似度中隐含的特征参数;最后,基于平均加权策略,对优选的特征参数进行归纳,最终形成推荐的虚拟机集合。结果表明,与传统基于项目评分的推荐算法相比,本文提出的方法推荐精度最高提高了约10%。3.基于优化的蚁群算法提出一种虚拟机优化部署模型。该模型能够确定云平台中待迁移虚拟机的宿主机,解决了物理机由于资源闲置而导致冗余能耗的问题。首先,基于虚拟机利用率参数,提出资源闲置模型和能耗模型,实现了对虚拟资源利用率、及物理机能耗的量化描述;其次,针对云环境下的虚拟机部署,建立多目标优化策略;最后,基于特征度量值和多目标优化方法,结合蚁群算法确定虚拟机的最佳部署方案。实验结果表明,与传统基于遗传算法的MGGA模型相比,算法收敛速率提高了 16%,优化后平均能耗最高降低18%。