随着技术的不断发展,云计算作为一种新兴的计算模式已经渗透到生活的各个层面。云计算这种便捷高效的服务模式得益于其中的云数据中心。它是云计算的基础设施,为云计算服务提供基础支撑。对云数据中心的资源进行合理管理,能够提升云计算服务的效率。因此,云数据中心的资源管理问题是国内外研究学者所关注的热点问题之一。目前,研究学者们主要将重点关注在云数据中心的工作流调度上,这是由于虚拟化资源众多及用户在线请求数量激增,导致云数据中心的工作流在进行调度的过程中,存在负载不均衡、任务处理效率低及成本过高等问题。因此,本文主要针对云数据中心的工作流调度效率低以及联合调度中存在开销过大的问题展开研究,分别对问题进行了分析与建模,提出了基于自适应权重的粒子群工作流调度算法和最优化成本的工作流联合调度方法,从实验上证明了提出算法的有效性。本文的研究工作如下:（1）针对云数据中心的工作流调度的低效率问题,本文提出了一种基于自适应权重的粒子群工作流调度算法。首先,对云资源中的工作流调度问题进行描述以及对相关参数定义,同时构建以任务的总完成时间为优化对象的目标函数,进而构建云资源调度模型。其次针对构建的模型,将粒子群算法中的惯性权重因子以及粒子的适应度函数等进行优化设计,最后,将提出的算法分别在小规模和大规模的任务集上运行,实验结果证明,提出算法提升了虚拟机资源的利用率,缩短了任务的完成时间。（2）针对联合调度中存在开销过大的问题,本文提出一种基于蚁群系统和贪心思想的二阶段工作流联合调度方法。首先,根据工作流的特点构建工作流模型,并根据虚拟机的多类型的特点,同时考虑将同类型的虚拟机进行合并,避免虚拟机部署开销过大的问题,构建虚拟机和物理机的模型。其次,针对构建的模型,在第一阶段中,在蚁群系统算法的基础上,设计了启发式函数和信息激素更新规则,将工作流映射到虚拟机。在第二阶段中,在保证工作流完成的前提下,考虑虚拟机多类型的特点,提出了一种基于贪心思想的虚拟机到物理机的部署方法。实验结果证明,提出的二阶段工作流联合调度方法与传统的方法相比较,减少了联合调度的时间,节省了费用开销。