由于人们对网络服务的需求急剧增长,网络服务提供系统的数量和规模出现爆炸式增长,同样网络服务系统的耗电量也在快速增加。网络服务系统耗电量的增加,不仅提高了系统运行代价,而且制约着系统性能的提升,同时还会产生大量的碳排放。无论从环境角度还是经济角度,网络服务系统的能耗控制日益成为系统设计的重要因素。在所有网络服务中,多媒体应用占据了网络流量的统治地位,而且还在迅速增加,因此多媒体集群系统的能耗控制和性能优化具有重要的学术和实际应用价值。本文针对大规模多媒体服务系统的能耗控制和性能优化进行研究,主要围绕多媒体集群和多媒体网关,利用成比例计算(proportional computing)思想,在实际工程背景下,通过建立描述系统的动态演化的数学模型,在模型下推导系统最优控制策略以实现资源与负载的自适应匹配。本文的分析思路和数学模型,具有较好的一般性和实用价值,能够应用到其它网络服务。这些创新工作可以简要概括如下：针对、oD(video on demand)服务集群的能耗控制,本文在系统结构上提出使用分层优化机制进行能耗控制和性能优化,在集群端优化集群系统资源的单位收益率,在客户端利用客户端自适应技术补偿由于集群端调节带来的性能降低。在集群端使用自底向上的思路进行分析,并提出了一种两层Markov切换状态空间控制过程模型来描述集群系统分层动态特性。该模型将系统分为两个层级,下层为QoS层,优化目标为提高系统的QoS,上层为能量层,优化目标为降低系统能耗。两层结构总的优化目标为性能/能耗比的最大化。本文提出了一种递阶协同优化算法来求解最优控制策略。在客户端本文研究自适应播放控制技术,来对抗网络抖动或者服务器端资源受限可能带来的缓冲区下溢。针对该问题首先提出了一种统计模型来估计缓冲区的下溢时间,然后在下溢时间估计基础上,提出了一种基于双门限的帧率调节算法,其中双门限会根据网络状态和缓存状态动态调节从而实现速率调节的及时性。算法在调节帧率时,考虑播放帧的运动强度,从而提供更好的用户体验(QoE)。针对目前流行的时延电视集群系统能耗控制问题,首先建立了具有能耗控制功能的时延电视集群系统结构,它能够动态监测系统资源利用率等状态信息,并能通过能耗控制器执行控制策略,动态调整集群系统可用资源数量。在该结构下,本文分别考虑使用平稳确定和随机性策略对系统优化。当使用平稳确定性策略时,本文将集群系统动态配置问题建模成Markov切换状态控制过程模型,通过该模型来优化集群服务器的动态开启和关闭。结合性能势理论和性能势的在线估计,提出了集群动态能耗控制的在线优化算法。该算法通过样本轨道求解最优策略,不需要系统参数信息。当使用平稳随机性策略时,将节目和连接数分等级,实现状态空间的大幅度下降。随机模型同样采用Markov切换状态空间控制过程模型,系统的能耗控制被建模为一个带约束的随机优化问题,优化目标为在满足阻塞率约束下,最小化系统能耗。结合Lagrange乘子法和性能梯度的在线估计,提出了一种策略迭代算法求解最优控制策略,并在理论上证明了算法的收敛性。考虑多媒体服务提供时网络层的能耗控制,研究利用自适应链路速率调节技术,通过控制多媒体网关的带宽达到能耗控制的目的。首先对多媒体网络流量进行分析,包括并发流量数、连接持续时间、多媒体数据特性等；然后引入MMPP模型对多媒体数据流进行建模,在该模型基础上,本文将多媒体网关能耗控制建模为一个带约束的半Markov决策过程。推导了基于嵌入Markov链的性能灵敏度公式,并在样本轨道上通过再生周期估计性能梯度,最后提出在线性能优化算法。相比于传统的线性规划和基于拟无穷小矩阵的性能优化算法,本文优化算法中的样本轨道可以直接通过半Markov核生成,相当于直接利用半Markov核进行性能优化,避免基于拟无穷小矩阵优化的缺点。