全球疫情的肆虐加快了云计算发展的进程,云计算相关业务需求不断变大,这无疑给云数据中心带来了前所未有的压力,同时数据中心耗能过高也阻碍了云计算的发展。虚拟化技术的发展为解决数据中心能耗问题提供了较好的思路,虚拟机迁移整合不仅能够平衡数据中心的资源利用率,提高用户体验质量,同能节约数据中心的电力能源消耗。目前基于节能的虚拟机调度策略已有很多,并取得了较好的效果。但大多虚拟机调度策略仅将实时负载情况作为虚拟机放置的依据,忽略了虚拟机迁移后给系统带来的能耗影响。本文提出了一种基于负载预测的虚拟机低能耗调度策略,旨在构建一种预测准确度较高,物理机资源利用均衡、迁移次数较少虚拟机调度的策略,本文的研究内容主要包括以下方面:（1）提出了一种复合预测模型,预测未来一段时间内物理机资源利用情况。使用ARIMA法和三次指数平滑法的复合预测模型,来预测随时间变化的物理机负载序列,用ARIMA模型挖掘线性关系,消除物理机负载序列的随机波动,用三次指数平滑法挖掘非线性关系,平滑物理机负载序列。复合模型中两个模型的权值根据ARIMA模型和三次指数平滑模型的预测精度来动态更新复合模型的权重系数。实验结果表明,本文提出的模型能更完整的预测负载序列。（2）提出了一种改进的NSGA-II多目标优化算法。通过正态分布函数控制使用精英选择策略选择个体时,每层选取最优解的数量,来确保得到均匀分布的解。同时在计算个体适应度时引入匹配度函数平衡物理机各项资源的利用率。实验结果表明,与改进的粒子群算法和NSGA-II算法相比,能够平衡物理机各项资源的利用率,并且降低了能耗。（3）提出了一个结合负载预测和改进的NSGA-II算法的虚拟机低能耗调度策略。在虚拟机调度过程中,使用预测序列和多目标优化算法选择目的物理机,减少迁移次数,降低数据中心能耗。仿真实验证明,本文提出复合预测模型比单一预测模型能更好的预测物理机负载序列的线性和非线性关系。其次与传统虚拟调度算法和改进的智能启发算法对比,本文提出的方法能够减少虚拟机迁移次数和物理机运行数量,能更好的平衡物理机资源利用率,有效地降低了能耗。