作为一种新兴的信息处理模式，云计算(Cloud Computing)在互联网行业飞速发展的背景下，逐渐成为当今的研究热点。云计算以虚拟化技术为支撑，根据用户需求提供动态可扩展的服务，随着近年来互联网技术的提升与普及，云环境中资源总量激增，而且其资源管理与分配具有动态可伸缩的特点，导致了云环境中资源的管理和调度成为影响云计算性能的关键因素。到目前为止，云计算的资源调度和管理仍然存在很多待解决的问题，作者以云计算技术为背景，研究云环境中资源调度和优化配置问题。本文从负载均衡、遗传算法和市场经济模型等方面研究云环境中高效的资源管理方案，主要研究工作包括以下几点：1).针对加权最小连接调度算法中固定权值引起负载不均衡问题，提出基于动态反馈的概率预测方案，动态调整算法权值，并通过概率预测，提高其权值在动态环境中的准确性。2).提出一种基于遗传算法的资源提供方案，主要利用树结构和三维空间分割方法分别对染色体进行编码和解码，利用生成树算法生成虚拟机提供的初始种群，设计了相应的适应度函数评价方案，并根据染色体的结构变化设计了选择算子、杂交算子和变异算子。实验结果表明该算法与传统算法相比，收敛时间更快同时有效地减少了虚拟机的迁移次数。3).针对已有研究成果中云市场交易不均衡的局限性，本文通过分析云数据中心的资源竞价调度问题，提出粒子群双向拍卖的资源竞价策略。通过供大于求、供不应求和供需平衡这三种市场情况系统分析算法流程，并从惯性权重、领域拓扑结构、粒子群学习因子和繁殖过程四个方面优化粒子群算法，使其更好地适应于云环境中。论文通过实验模拟仿真，验证了所设计算法的可行性和有效性，并通过与其它算法的比较，体现出其优异性。