随着信息技术在各个领域的广泛应用，互联网技术的进步和网民数量的增长使得数据信息量也呈现出爆发式的增长，互联网己经进入“大数据时代”，传统的计算模式已不能满足当前动态、变化的需求。正是在这样一个发展背景下，“云计算”应运而生，成为继个人计算机变革、互联网变革之后的第三次IT浪潮。云计算(Cloud Computing)是分布式计算(Distributed Computing)、并行计算(Parallel Computing)和网格计算(GridComputing)、网络存储(Network Storage)和大型数据中心(Large—scale Data Center)的进一步发展和商业实现。在整个云环境中，资源和结构分布的实际情况比较复杂，任意线路在任意时刻的网络负载存在众多不可预期的大幅度变化，有可能出现对资源需求估计过低，使得当前资源的规模无法满足其用户作业需求；也有可能出现对资源需求估计过高，这回使所租用的资源部分处于闲置状态，使得资源利用率大大降低。因此，在满足用户不断增长和变化的需求的前提下，如何高效率低成本地进行计算资源的合理分配成为云计算的关键问题。而资源分配问题的核心是分配算法，因此本文就目前的云计算资源分配算法进行概述，并在此基础上提出一种改进的资源分配算法。通过分析传统蚁群算法在解决云计算资源问题中存在的不足之处，提出了本文的改进方法，包括对算法中转移概率的改进以及对局部信息素、全局信息素更新方法的改进。本文的改进点主要在于确定转移概率以及更新信息素时，都加入了动态的因子，这使得算法可以随着迭代次数的增加进行动态的调整，从而达到更好的搜索性能，并且在蚁群算法中引进遗传算法的变异操作，对信息素浓度进行变异，来避免算法陷入局部最优。针对单一蚁群算法在迭代初期的盲目性，提出了将遗传算法与蚁群算法进行结合。根据遗传算法收敛速度快的特点，在算法初期，运用遗传算法来得到较优解，并将其转化为蚁群算法的初始信息素，以此来解决蚁群算法初期效率低下的问题，然后接着用优化的蚁群算法进行搜索来进一步得到最优解，并且在文章最后通过仿真平台对本文提出算法的性能进行了验证。