目前,有限元分析方法被广泛运用于工程领域、数学及物理学领域中,用于解决复杂且较大计算量的问题。其主要思想为借助离散化思维将计算量庞大而复杂的问题划分成一个个较小的可以求解的问题单元。然而,有限元分析在工程领域面临着计算过程较为复杂且巨大、有限元分析软件成本较大、专业性要求较高、对于高性能计算机依赖性较强等难题。一些较大的有限元分析任务在单机环境下,可能需要几小时,甚至几天的时间才能完成,效率十分低下。因此,如何提高有限元分析效率也是业界研究的热门方向。随着互联网技术的发展和普及,诞生了一种完全基于互联网的计算方式——云计算。其遵循“按需付费”的模式为用户提供低成本、高可靠性、可伸缩的计算资源及服务。结合云计算的优势,将有限元分析计算的处理过程从原先的单机节点放到云计算环境中进行,可以有效的克服有限元分析对于高性能服务器的依赖性;用户可以随时随地地获取高端的计算和存储资源服务,极大地减少了对于高性能服务器的开销;有限元分析以服务的方式提供,无需考虑昂贵的有限元分析软件的购买和维护成本。因此,研究云计算环境下的有限元分析具有非常重要的意义,对于工业及科学计算领域的发展有一定的促进意义。本文为了提升有限元分析在云环境下的计算效率,从虚拟机放置和任务调度两方面展开研究。首先,本文以可用性和数据中心能耗为优化目标,提出了基于改进遗传算法的虚拟机放置策略。该算法基于VHAM-R模型对遗传算法的编码、选择操作、交叉操作和变异操作进行改进,在满足各类约束(如放置约束、资源约束、可达性约束)的前提下,研究如何将至多H个包含m个虚拟机放置请求的组放置在服务器节点上,实现工作主机较少、数据中心能耗较低的虚拟机放置可用性较高的优化目标。再者,本文提出了一种基于改进禁忌搜索的云任务负载均衡调度策略。该策略综合考虑任务总完成时间及虚拟机负载均衡度,提出基于时间贪心的初始解求解步骤,进而引入结合多因素优值函数的禁忌搜索算法优化任务调度的负载均衡,再进一步给出跳出局部最优的惩戒策略。为了验证提出的算法的有效性,使用CloudSim作为仿真平台,与RR算法、Min-Max算法、ACO算法等进行对比,以有限元分析计算过程中的任务调度为背景进行模拟实验,结果表明,此算法不仅缩短了任务总体完成时间,同时优化了虚拟资源负载均衡度。本文最后提出了一种有限元分析云计算平台的实现实例,并且给出了平台的架构和相关实现案例。