随着云计算的发展,云计算资源逐渐成为如同水、电等按需服务的公共资源。而云平台作为云计算资源调度的中心,其中云资源分配问题已经成为计算机科学领域的研究热点。在多种云资源分配方式中,由于拍卖模型的分配方式对于全局的需求最少,而且具有分布式结构容易实现,因而基于拍卖模型的资源分配方式越来越普遍。在基于拍卖模型的云资源调度问题的研究中,现有的研究工作更集中于机制设计方面,而对云计算市场中个体报价策略的研究相对较少。对于竞拍者来说,报价的优劣直接关系到竞拍者收益的多少。同时在云计算中,由于云市场的环境总是动态变化的,各种决策都需要瞬间完成。为减少人工干预,同时也为竞拍者的收益最大化、适应云市场的动态变化,为动态云市场中的Agent设计自适应报价策略则成为一件非常迫切且异常重要的事情。针对于动态云市场中的Agent自适应报价问题,本文主要开展了以下工作：1.建立了一般动态云市场和基于团购的动态云市场模型。从非合作博弈角度出发,建立了一般动态云市场模型。该模型基于第一密封价格的单边组合拍卖。在组合拍卖中,赢者决策问题是一个NP难问题。综合计算复杂度以及公平性,在该模型下提出了基于排序的近似赢者决策问题的分配机制。而从合作博弈角度出发,建立了基于团购的动态云市场模型。区别一般动态云市场,在基于团购的动态模型中,对于不同的云资源虚拟机的购买量有着相应的折扣优惠。该模型基于第一密封价格的单边拍卖,在云资源需求者以及云服务提供商之间设置了团购的总代理,并在该模型下提出了近似赢者决策问题的分配机制以及优惠均摊的定价机制。以上动态市场模型皆为不完美信息市场。2. 基于非合作博弈的一般动态云市场下,设计了两种Agent自适应报价策略。在一般的动态云市场下,主要针对于两种不同的场景设计了自适应报价策略。首先是侧重于Agent如何感知云市场动态变化,从而提交对自己有利的自适应报价策略。该策略基于增强学习,利用Agent自身的报价历史感应当前云市场的供需比,从而调整报价以期收益最大。而侧重于避免群体竞争过程中出现的囚徒困境,基于增强学习以及ε-贪婪选择算法的Q-策略,能帮助Agent感知市场环境动态变化的同时,也能避免Agent报价陷入极端的局面。3. 基于合作博弈的一般团购动态云市场下,设计了Agent自适应报价策略。在基于团购的动态云市场中,首先分析了团购作为一种刺激交易的经济手段为云服务提供商以及Agent带来的好处。其次在该云市场的模型下,证明了Agent报价存在纳什均衡解的可能性。借助于增强学习等工具,从而为Agent设计了自适应报价策略。