云计算是从网格计算，并行计算和分布式计算发展而来的一种新的商业模式，它是指用户能够通过网络按照自己的计算需求、以一种容易扩展的方式来获得所需的计算资源服务（如计算，存储，网络，应用服务等）。云计算通过使用虚拟化技术对底层的物理硬件资源进行虚拟化，形成一个庞大的虚拟资源池，然后将资源以动态的、能够自由伸缩的服务方式提供给用户。因此，虚拟化技术是构建云计算环境的技术基石，特别是虚拟机调度技术，是保证云计算技术在基础设施层得以实现的基本手段。在云环境下，如何在保障用户SLA协议的条件下，通过虚拟化技术改进物理资源资源的分配和调度策略，来提高数据中心各种物理资源的整体利用率，降低资源能耗成本和投资成本，是当前迫切需要解决及改善的重要问题。本文的主要工作和研究成果如下：(1)分析了主流平台下的云计算的基本特征、技术架构以及核心技术。重点研究了当前热门的开源云计算平台OpenStack，搭建出分布式OpenStack平台，并在此基础上阅读了OpenStack云计算平台的相关源代码，熟悉OpenStack各组件间的工作流程及实现过程，了解平台的工作机制。(2)设计并实现了基于OpenStack云平台上虚拟机动态迁移系统OLMS。此系统能够对OpenStack平台中的虚拟机的资源使用情况进行实时监控并对其进行动态整合，减少物理主机节点的使用数目，有效的提高了OpenStack下集群的资源利用率，减少其能源浪费。(3)针对云计算平台中的多目标优化虚拟机放置问题，提出了多目标蚁群优化算法MACS。该算法通过对蚁群算法进行改进，重新设计了服务器集群的资源浪费模型和能源损耗模型，能够更加快速的进行启发式搜索，计算出多目标虚拟机放置的Parato最优解，对集群中的虚拟机进行动态整合。通过和多目标优化遗传算法MGGA以及单目标优化算法ACO和FFD进行性能对比实验，本文提出的算法在提高集群的资源利用率，减少集群资源浪费方面，具有更好的效果。同时，本文还在Cloudsim云仿真平台下对该算法进行了大规模数据下的性能测试，发现该算法也能够取得比较好的效果，因此该算法对于大数据中心也适用。