云计算环境下基于延迟的虚拟机资源调度是一个多资源多类NP难问题。一个虚拟机由CPU、内存、存储等多资源组成,虚拟机调度需要考虑满足用户的多资源需求;虚拟机资源请求到达的速度随机化,用户请求资源的时长也随机化;此外,虚拟机调度是多任务并行调度的过程,这使得问题更加的复杂化。目前的虚拟机调度算法主要以负载均衡、吞吐量为优化目标,未能满足应用的延迟要求。本文以虚拟机的任务完成时间为优化目标,建立基于延迟的虚拟机资源调度模型,提出虚拟机配置数组的概念来将多资源多类的虚拟机资源调度问题转化为单维的虚拟机调度决策问题,接着提出面向虚拟机资源调度的强化学习算法来达到最小化平均任务完成时间的目的。该方法为虚拟机资源调度提供了一种新的思路和方法。通过与现有算法做比较,验证了本算法在延迟优化的有效性。