现有的基于HLA的复杂仿真系统(Simulation Composability)向着多时空尺度、多物理过程、强非线性耦合和真实构型的方向发展。复杂系统的复杂应用模式、业务流程以及日益增长的容量、通讯和I/O需求,造成复杂系统仿真难以在仿真过程中保证系统的弹性、鲁棒性和容错需求,使得仿真系统的整体效率面临巨大挑战。为了应对这些挑战,结合云计算技术的优势,通过云系统仿真平台“适时”并“透明公开”获得仿真所需要的服务,这些服务具有个性化、连续的、质量高的特性。现有的云平台(Cloud Platform)的运行流程是这样的：在战术信息网络通信仿真任务下发之前,首先需要分析和计算战术信息网络通信云仿真管理平台的物理资源性能负载情况,然后根据分析和计算的结果分配仿真任务。一旦仿真任务开始运行,就无法根据仿真程序所在云实例(Cloud Instance)的运行情况进行适时的调度,缺乏实时负载平衡能力。针对此问题,研究基于性能感知云仿真迁移技术,在感知系统性能的前提下,实时调度,完成热迁移,不影响其它仿真节点的运行。其主要研究成果和创新点有：1)云仿真管理平台采用模块化架构云仿真管理平台采用了模块化架构,由3个核心和若干个扩展定义良好的模块组成,组成云平台的每一个Java类或者Java函数,都可以独立地存在和运行,或者几个Java类或者Java函数相互结合,联合实现所需要的功能通过控制回转(IoC)技术,极大降低了各个组件之间紧耦合的特性,云仿真管理平台的整体架构更加容易扩展,在十二五科研项目中取得了良好的效果,获得了项目验收专家的好评。控制回转(IoC)技术,使得整个云系统仿真平台代码简洁、功能扩展灵活。2)建立基于“局部监测-全局同步”思想的监测系统云平台具有广域分布及监测种类繁杂的特征。虚拟化服务器(Virtualization Server)为云平台的主要构成单元,整个云平台为全局,单个虚拟化服务器和其中的实例为局部整体。以虚拟化服务器为局部整体进行局部监控,云平台的控制台和局部监控进行全局数据同步。位于各个虚拟化服务器中的性能监测模块,通过VMware性能收集器实时监测平台性能参数,及时获取性能信息。局部检测的性能数据经过改进的增量式关联规则算法程序减少数据量,并且与云平台管理台进行数据同步,已达到全局监测的目的。用户可以通过云平台管理台有选择的使用数据。3)提出了改进的灰色聚类动态性能评估和预测方法从云平台整体性能角度出发,通过对云平台中虚拟化服务器和其中的虚拟机性能参数进行分析,针对负载大小如何确定的问题,分析平均移动预测模型(Predicting of Move Average Model, Model PMA)和灰色预测模型(Predicting of Gray Model, Model GM),提出了改进灰色聚类动态性能评估和预测方法,评估仿真任务所在虚拟机负载是否达到设定的阈值。达到阈值后,预测实例负载情况发展的好坏趋势。4)提出了云实例调度方法结合比较法(Comparison Method)、随机数法(Random Number Method)和其它方法,提出云平台的实例调度方法。当实例的性能被评估达到阈值(Threshold),并预测未来的趋势向坏的方向发展时。根据提出的调度方法进行迁移操作。最后将战术通信网云仿真系统应用于上述技术和方法组成的云平台中,组成战术通信网云仿真管理平台。完成了各项功能子系统的集成,实现了仿真资源的静态调度,资源状态的全局动态监测,性能感知预测及任务动态调度和迁移。通过测试表明,提高了仿真应用的负载平衡和容错能力。