由于云数据中心包括多种物理设备以及网络设备,资源管理量庞大,在静态资源管理的很多情况会出现少数物理设备负载过重而多数设备负载过轻或者闲置的现象,导致资源利用率过低并且造成不必要的开销,实现云数据中心资源的高利用率以及满足用户服务要求的目标对解决目前所存在的挑战具有十分重要的意义。本文通过分析云计算资源调度特点,对虚拟机动态迁移问题提出了基于多因素的主机过载检测策略和改进的粒子群算法,主要做了以下工作:(1)分析了国内外政府,企业以及高校对云计算的研究现状和重视程度,介绍了国内外学者对云计算数据中心虚拟机调度问题的理论研究现状以及其发展中遇到的一些问题。(2)系统的介绍了云计算技术的基本概念以及相关的技术特点,深入对云计算虚拟机整合技术进行学习和研究。(3)深入学习了我所用到的云计算仿真平台CloudSim,包括它的系统架构和里面用到的各种策略,让我在代码层面更加理解了云计算数据中心的运行过程。(4)提出了云数据中心物理机基于CPU,内存,带宽三种资源相结合的动态阈值主机过载检测策略,提出了虚拟机最大利用率选择方法,减少了不必要的虚拟机迁移次数;给出了多静态低利用率阈值主机欠载检测方法,使得服务水平协议能达到不同用户的需求。用仿真平台验证了我们提出的各个策略的有效性。很好地解决虚拟机动态整合过程中a、选择何时进行虚拟机迁移;b、选择哪些虚拟机进行迁移这两个主要问题。(5)对粒子群算进行研究,设计了适合虚拟机调度实际问题的适应度值计算函数,利用合适的编码使得粒子位置和虚拟机调度对应起来,在局部搜索中加入极值优化算法和混合高斯柯西变异,使得粒子群算法能够应用在虚拟机的分配问题上。改进后的粒子群算法,致力于对资源利用率和服务水平协议的共同关注,能够在短时间内求解出多种资源约束下的最优解,使得虚拟机得到更好的部署,大大减少了数据中心的能耗开销。解决了虚拟机动态整合问题中虚拟机迁移到哪台主机的问题。