电子商务、物联网和大数据产业方兴未艾,云计算正发挥着越来越重要的作用。云计算迅猛发展促使云数据中心的数量和规模不断扩大,也增加了数据中心的管理难度。利用率太低的服务器易造成资源浪费,利用率过高的服务器会违反服务级别协议（SLA）。当下,能源和气候问题日益受到人们关注,解决数据中心突出的高能耗问题迫在眉睫。虚拟机整合技术是降低数据中心能耗的有效方法。一方面,它通过迁移虚拟机减少物理机的数量,进而降低能耗。另一方面,过度整合又会导致违反SLA。然而,现有的虚拟机整合技术通常只注意到能耗、SLA或者迁移次数中的某一个方面,或者虽然同时考虑了其中两个或三个方面但并不能权衡好各个指标,而且很少有工作考虑针对云数据中心的负载预测技术,提前预测主机状态并迁移其上的虚拟机。针对上述问题,本文考虑了负载预测技术,同时兼顾降低能耗、迁移次数和SLA违反三个目标,提出基于蚁群系统的虚拟机整合算法,具体的工作总结如下:1.提出多种群蚁群系统算法。通过逐个迁移虚拟机提高迁移效率,为欠载主机和过载主机设计了不同的启发式信息和约束条件。在种群内部增加局部搜索规则,在种群之间增加信息素交流策略。最后在学术界通用的开源云模拟平台Cloud Sim上进行大量仿真实验,结果表明本文的算法可以权衡好能耗、迁移次数和SLA违反这三个目标。2.提出基于极限学习机的主机负载预测算法,减少了迁移次数,降低了能耗。优化多种群蚁群系统算法中的目的主机约束条件,减少了迁移失败的概率,使得最终能耗降低约2.4%。还针对欠载主机的迁移方案进行了优化,通过减少同一物理机上既有虚拟机迁入也有虚拟机迁出的情况的发生,进而减少2.4%的迁移次数。3.搭建基于ARM服务器的Open Stack云平台,并对资源优化组件Watcher进行二次开发,增加预测模块,实现本文提出的调度算法。然后分别在欠载主机较多、既包含过载主机又包含欠载主机和多实例三种场景下实验。实验结果表明,本文提出的整合算法能够合理调度虚拟机,降低云数据中心的能耗,对减少碳排放和建设绿色数据中心有重要意义。