传统服务机器人存在资源和智力两大技术瓶颈,难以满足实际的应用要求。将云计算技术与机器人技术相结合,构建服务机器人云服务平台,为机器人提供智能云服务,是打破上述瓶颈的有效手段。服务机器人将本体密集型计算任务卸载至云端,其智力水平被大规模拓展并超越其物理本体的限制,为人类提供主动式智能化服务。本文工作来源于国家重点研发计划项目,重点针对服务机器人云服务平台构建方法及大规模云服务高效调度算法开展具体研究。首先,本文构建了一个通用新型的服务机器人基础云平台,详细设计了其网关层、接口层、服务池层及算法层,提出了一种标准化的云服务访问和调用方法。通过接口层服务监控和语音识别服务调用等实验验证了服务机器人云平台的可用性、结果的准确性及调用低时延性。其次,构建服务机器人和云服务的相关属性模型,将机器人和服务平台服务调度完成时间模型的平衡过程转化为一个单目标优化问题,借鉴自然界猎物捕食规律提出分层捕食的调度算法（RHGA）,采用猎物捕食分层进化、种群进化因子、基于相似度种群更新三种策略提升进化算法性能。通过时间调度、成本等对比实验,证明了本文提出的算法在服务调度完成时间和降低成本方面的优越性。最后,充分考虑云平台、服务机器人和云服务开发者的特性,构建了成本元组参数模型,提出了一种结合局部和全局搜索过程以及三阶段参数更新策略的动态向量混合遗传算法（DVHGA）,保证了资源合理的分配,同时优化两阶段服务选择策略构成模型的最终成本,并提出了基于时间和最终成本的线性评价方法。在收敛性、成本分析、和算法简单性等方面的实验结果表明,该算法在收敛速度、最终总代价和评价得分方面均优于其它基准算法。