云计算是虚拟化(Virtualization)、效用计算(Utility Computing)、基础设施作为服务IaaS (Infrastrcture as a Service)、平台作为服务PaaS (Platform as a Service)和软件作为服务SaaS (Software as a Service)等概念混合演进并跃升的结果。SaaS认为软件的实质是服务,用户对软件的需求实际上是对应用服务的需求,而用户使用软件实际上是在消费应用服务。与传统软件相比,SaaS|报务依托于软件和互联网,不论从技术角度还是商务角度都有着不同的特性：互联网特性、服务特性、企业按需使用特性、企业快速部署特性等。目前,和声搜索算法和蚁群算法在SaaS中研究与应用已取得了一些有价值的研究成果,但多是以集中式串行的模式,将和声搜索算法和蚁群算法并行化研究较少。SaaS平台中应用服务的数量及类型、服务的租户数目及信息数据量呈几何曲线性增长,同时每个服务的功能单一又动态地变化,不能满足用户日益复杂的需求,这就对SaaS平台中服务的智能化要求越来越高。为此,本文对云计算环境下智能优化算法及其在SaaS中的应用进行针对性地深入研究。论文主要研究内容有：基于MapReduce的云和声搜索算法,基于云和声搜索算法的综合SaaS部署问题研究、基于MapReduce的蚁群算法,基于MapReduce和多目标蚁群算法的SaaS服务动态选择问题研究等。主要研究工作和创新之处如下：1.基于lapReduce的云和声搜索算法对基本和声搜索算法进行改进,提出了改进的和声搜索算法、多目标改进和声搜索算法以及基于MapReduce的云和声搜索算法。对基本云和声搜索算法进行改进,利用Skyline方法对和声记忆库进行初始化,提高算法效率；利用理想点法寻找实际存在的最优知识即服务组合,确保了解的有效性。在云计算平台Hadoop下实现了基于QoS的知识即服务组合优化问题的求解。利用HDFS文件存储以及MapReduce编程模型实现和声搜索算法的并行化,定义Map、Reduce过程,提出云和声搜索算法。2.基于云和声搜索算法的综合SaaS部署问题研究对SaaS服务在实际应用中遇到的问题进行分析,在此基础上建立SaaS部署问题的数学模型,并提出利用云和声搜索算法进行问题的求解。在云计算平台Hadoop下,定义云和声搜索算法的Map、Reduce操作,同时对云和声搜索算法进行改进,有效提高了算法的效率,加快了SaaS服务部署问题求解速度。实验结果表明改进云和声搜索算法ICHS成功解决SaaS部署问题,并具有较优的性能。3.基于MapReduce的蚁群算法提出基于MapReduce的蚁群算法,该算法能充分发挥云计算分布式、并行化的特点,充分利用云计算强大的计算和存储能力,为在云计算环境中问题的智能化并行化分布式求解提供新思路和新方法,同时促进云计算的智能化发展。提出基于MapReduce的改进蚁群算法。将分治思想和模拟退火算法融入蚁群算法,来改进其缺陷。并将基于MapReduce的改进蚁群算法应用于求解旅行商问题(TSP)来验证算法的可行性、有效性、收敛性、扩展性和时间开销。4.基于MapReduce和多目标蚁群算法的SaaS服务动态选择算法提出SaaS中基于MapReduce和多目标蚁群算法的服务动态选择算法。该算法采用半自动方式和基于QoS全局最优的多目标服务选择优化方案来研究大规模服务动态选择问题。算法利用云计算的MapReduce编程模式和分布式文件系统使蚁群算法并行化,设计出多目标蚁群算法,同时优化多个目标参数,最终产生一组满足约束条件的最优非劣的具体服务的组合。用户可根据需要从中选择最满意的服务组合,其它服务组合将作为备选方案以备发生意外时启用。