当今计算机技术已进入以网络为中心的发展时期，由于客户/服务器模型的简单性、易管理性和易维护性，客户/服务器计算模式在被大量采用。伴随着近年来新兴的富媒体（RIA）技术和软件即服务（SaS）的商业模式发展，服务器无疑扮演着越来越重要的角色。但是随着终端用户数量的大量增长和网络服务内容的不断丰富，单一的服务器系统处理客户请求的能力受到挑战。利用服务器集群来处理快速增长的客户请求，提供可伸缩性服务，成为当前的热门话题，而服务器集群的负载平衡问题则成为当前研究人员关注的重要问题。 本文从服务器集群负载平衡的角度出发，讨论了服务器集群的相关知识以及采用的各种负载调度方法，并分析了负载平衡的相关理论和方法，针对以往各种负载均衡方法应用目标不明确的问题，本文提出了负载均衡模型，并进行了分类，使得不同的负载均衡问题能对应相应的模型，从而选择相应的方法来解决。同时，本课题针对及时调度模型和缓存模型这两种模型进行研究，试图从机器学习和智能调度的角度来寻求负载均衡的解决方法。 （1）针对及时调度模型，本文提出了基于支持向量机的专家系统调度方法，并经过研究，建立了相应的调度模型，应用于服务器集群的负载均衡中。随后进行了实验测试，证明了算法的合理性和有效性。 （2）针对缓存调度模型，本课题主要应用遗传算法来提高缓存调度中的动态规划速度。在对遗传算法进行研究的基础上，结合服务器负载均衡的特点，构建了适用于服务器负载均衡的调度方法。经过仿真测试，证明了算法的有效性。 本课题最后对上面两种调度方法进行了对比，总结了算法的不足之处，确立了今后进一步研究的方向。