近年来，随着云计算技术的发展，越来越多的资源集中在数据中心，给数据中心能耗的高效管理带来了挑战。数据中心的高能耗不仅造成电能的浪费、系统运行的不稳定，同时也对环境造成不良影响。因此，在利用云数据中心资源的同时，也应该考虑数据中心的高能耗问题。虚拟化作为云计算的基础，在数据中心资源管理方面发挥着重要作用。如何利用虚拟化技术提高数据中心的资源利用率，降低能耗，让云数据中心更加节能成为近年来一个研究的热点。论文从能耗测量、能耗建模等方面对云数据中心的能耗问题进行了系统分析和研究，针对虚拟机能耗测量难的问题，提出了云数据中心中虚拟机能耗的监控和测量方法，建立了虚拟机系统以及虚拟机迁移时的能耗模型。常用虚拟机迁移方法使用启发式算法分配虚拟机，其求解结果易陷入局部最优解，论文在研究遗传算法的基础上，给出了一种基于遗传算法的虚拟机迁移算法(Migratingalgorithm based on Genetic Algorithm，MGA)。该算法利用遗传进化的全局搜索原理实现虚拟机到目标节点的映射，并通过将虚拟机和目标节点的资源利用率作为输入因子引入计算过程，对遗传算法中的目标函数进行改进，在满足服务级别协议的条件下，使目标节点的使用个数及迁移次数最少，从而实现数据中心的节能。在Cloudsim仿真平台中对基于遗传算法的虚拟机迁移算法进行了仿真，并使用能耗模型对基于遗传算法的虚拟机迁移算法实现过程中的能耗进行了测量和分析。该算法与单阈值方法(ST)和双阈值方法(DT)相比，不仅提高了算法的搜索速度，并且减少了迁移次数和物理节点的使用数量，提高了数据中心的资源利用率，降低了能耗。