虚拟机放置通过合理放置虚拟机提高物理机的资源利用率,将利用率低的物理机中的虚拟机放置到其他物理机上,并将其关闭来降低功耗。为简单起见,虚拟机放置问题最初是在虚拟机彼此独立的假设下建模的。但是,在许多复杂的计算任务中,所需的计算资源远远超出了单个物理机的承载能力。比如在科学工作流中,往往需要多个虚拟机各自计算并彼此通信,共同完成巨额的计算任务。然而,在现有工作中,鲜有研究考虑在执行科学工作流期间虚拟机之间的连接信息。因此,本文为科学工作流中的虚拟机放置问题建立了一个新颖的连接感知模型。与现有研究不同,虚拟机的连接信息涉及到工作流的拓扑结构和虚拟机间的数据传输。在放置虚拟机时不仅要考虑CPU容量和内存容量,还要考虑机器之间的传输带宽。在该模型中,需要为每一个虚拟机找到最优的开始运行时间和运行的物理机,使一段时间内云数据中心的总能耗最低。本文受到蚁群优化算法（Ant Colony Optimization,ACO）解决组合问题的良好性能的启发,针对建立的连接感知模型,提出了一种能源敏感型的虚拟机放置算法。该算法是一种能耗感知、流量感知、连接感知的蚁群优化算法（Energy-aware,Traffic-aware,Connection-aware Ant Colony Optimization,ETCACO）。ETCACO算法将ACO算法与拓扑解构造算法、贪婪放置方法和预处理策略结合在一起。首先,ETCACO算法将基于提出的拓扑解构造算法生成满足优先级约束的VM序列。之后,本文设计了一种名为贪婪放置方法的启发式方法来将VM序列映射为VM放置方案。此外,ETCACO还采用了预处理策略,来支持多批次的科学工作流的处理。本文将基于提出的连接感知模型的ETCACO算法与基于传统模型的传统方法进行比较。发现通过考虑连接信息,所提出的方法可以将云数据中心的能耗降低7%。