云计算主要有三种服务模式:基础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS）。由于专业性、实惠性和便利性,SaaS服务成为政府、企业、团体和个人应用云计算的重要选择。同时,出于成本节约、按量付费、弹性缩放等方面的考虑,SaaS提供商选择购买IaaS提供商的资源以运营其服务。因此,云环境下以SaaS提供商为中心,形成了 IaaS提供商-SaaS提供商-用户的三层服务市场。在该服务市场中,动态服务提供的主要过程是:用户动态到达并提交服务请求（称为任务）,SaaS提供商根据实际需求购买合适种类和数量的IaaS资源,在这些资源上处理服务请求并向用户收取相应的费用。从社会整体收益最大出发,为了实现高效的服务提供,需要解决以下三个小问题:（1）资源的有效供应。即根据用户任务的实际需求,决定从IaaS提供商处购买的资源的种类和数量,以防止资源过供应和欠供应问题。（2）任务的高效调度。即将用户的任务以适当的顺序分配到合适的资源上,从而实现资源的充分利用和任务的高效执行。（3）服务的合理定价。即为用户的服务请求计算合适的价格,以调控服务提供过程,实现社会整体收益最大。一般来说,资源供应、任务调度和服务定价三者是相辅相成、相互影响、不可分割的,他们共同决定了服务提供的效率。为了实现社会整体收益最优的目标,在服务的价值很难确定的情况下,本文针对易并行任务,考虑基于用户对任务的估值解决上述三个小问题。易并行任务具有灵活的并行度,可以在不产生额外成本的情况下被拆分成任意多个子任务在不同的资源上并行执行。在这样的背景下,如何高效进行资源供应、任务调度和服务定价以优化动态服务提供成为亟待解决的问题。同时,开放、自治、大规模的云计算环境存在一些独有的特点,如资源的异构性和可变性、任务资源需求的多样性、用户服务质量要求和价值偏好的各异性等。同时,用户动态随机到来。其未来到达情况及服务请求信息往往难以精确预测,造成未来信息的不确定性。此外,理性的用户可能采取策略行为,通过隐瞒真实估值提高其个体收益。这些都为服务提供带来了严峻的挑战。因此,本文从SaaS提供商的角度出发,综合分析云环境下资源和用户的特点以及服务提供的过程,以社会整体收益最大为目标,围绕三层服务市场中的服务提供优化问题进行了一系列研究。具体来说,主要工作及贡献为:1.针对任务调度和服务定价问题,首先提出了一种基于线性规划的优化算法。该算法面向用户的策略行为,可以提取用户真实的估值信息,在资源有限的情况下提高服务提供的效率,实现社会整体收益最大。接着针对可能存在的用户合谋的情况,进一步提出了一种防止合谋的优化算法。该算法可以在帮助SaaS提供商高效提供服务的同时有效防止用户合谋的发生,保证社会整体收益。2.针对资源供应和任务调度问题,提出了一种在线多目标优化算法。该算法面向可变的资源和不确定的未来信息,以SaaS提供商收益和用户满意率双重最优为目标,可以在未来信息未知且无法准确预测的情况下帮助SaaS提供商实时高效地为用户提供服务,优化社会整体收益,兼顾短期和长期收益。3.针对混合资源供应、任务调度和服务定价问题,首先提出了一种面向按需型IaaS资源的在线优化算法。该算法面向资源混合可变、未来信息不确定以及用户采取策略行为的真实复杂的云场景,可以在激励用户真实暴露其估值的基础上帮助SaaS提供商实时高效地进行决策,实现社会整体收益优化。接着在上述算法的基础上结合混合资源在线供应算法,提出了一种面向按需型和预留型混合IaaS资源的在线优化算法,帮助SaaS提供商进一步节约成本,提高社会整体收益。综上所述,本文围绕三层服务市场中的动态服务提供问题,针对不同的场景提出一系列资源供应、任务调度和服务定价算法,以优化社会整体收益,兼顾短期和长期收益。这些算法的提出兼具理论意义和现实价值,既能推进云计算理论和技术的进步,又能广泛应用于云计算市场,促进服务计算和云计算生态的良性、健康发展。