随着云计算技术的快速发展以及现代应用服务所需计算能力的爆发式增长,大规模的云数据中心也随之诞生。虚拟化技术在云数据中心得到了广泛的应用,云数据中心对各种资源进行了完全的虚拟化,所有应用程序都能够在虚拟机上运行。云服务提供商可以通过互联网以虚拟机的形式为用户提供按需付费及弹性可扩展的云服务。然而,由于应用资源配置的不确定性以及资源利用的不平衡性,云数据中心的能耗不断增大,导致运营成本急剧上升。因此,合理使用云数据中心资源极为重要,这可以通过改善数据中心的基础物理设施以及资源分配管理算法来实现。大量研究表明,合理的虚拟机放置可以有效的提高云数据中心资源的使用效率。本文在现有虚拟机放置算法的基础上,重点研究了虚拟机静态放置问题和虚拟机动态迁移问题,并提出了两种改进的进化算法用以解决这两个问题。主要内容如下:1)提出了一种基于蚁群优化的虚拟机静态放置算法。该算法同时考虑了物理机和交换机的总能耗以及数据中心的带宽资源消耗。该算法包含三种用于提升改进ACO性能的全新策略。基于通信流量的虚拟机排序策略优先将通信流量较大的虚拟机组放置在相近位置,可显著地降低带宽资源消耗。面向能耗与网络的物理机选择策略在选择放置虚拟机的宿主机时,同时考虑了放置后的能耗与带宽资源消耗,使放置结果能够在降低能耗的前提下尽可能地节省带宽资源。蚁群信息交换策略通过最优解和普通解交换信息来构造新的解,可以将最优个体所构造出的解在蚁群中进行传播,并引导蚁群中的其他蚂蚁个体向搜索空间中的最优解方向进行探索,为构造更优解提供了可能性。仿真结果表明,本文所提出的算法在36个测试场景下的整体性能均优于所对比的启发式算法和元启发式算法。2)提出了一种基于天牛须搜索的虚拟机动态迁移算法。该算法包含了三种改进的策略。物理机过载及轻载检测策略通过对物理机负载的预测,显著降低了无效的虚拟机迁移;通过对轻载物理机的最大虚拟机迁移数量进行限制,使得该物理机上所有虚拟机能在对系统QoS影响较低的情况下被全部迁出,减少了物理机开启数量,能有效降低能耗。迁出虚拟机选择策略根据过载物理机中虚拟机请求资源的历史记录,选择请求资源与实际获取资源之间差值最大的虚拟机迁出,有效降低了由物理机过载所造成的SLA违规。基于天牛须搜索的虚拟机放置策略通过提升种群中最差个体的适应度,以局部解的改变来影响全局解的构造,从而提升全局最优解的质量。仿真实验结果表明,本文所提出的算法能够在保证系统QoS的前提下,有效降低数据中心的能耗。