随着云计算的普及,各个行业对数据存储和计算能力的需求急剧增长,云数据中心的规模也在不断扩大,对能源的需求也越来越高。高能耗已经成为限制云数据中心发展的主要原因。为降低能耗,可以将虚拟机迁移到合适的服务器上,关闭空闲服务器,提高资源利用率。然而,过度的迁移整合也会造成虚拟机性能下降,影响服务质量。良好的虚拟机迁移策略需要既能确保降低能耗,又能保证服务质量,因此,研究虚拟机迁移策略具有重要意义。针对降低能耗和保证服务质量两个优化目标,本文基于蚁群算法设计并实现了虚拟机迁移策略。为了减少虚拟机迁移次数,选择迁移时间作为启发式因子。为了评价解,设计了参考迁移时间、迁移次数、能耗和活动服务器数量多个因素的评价函数。在迭代中加入变异运算,强化蚁群算法中较优解的信息素和扩大解的搜索范围。在蚁群算法中限制蚁群视野来加速算法的收敛和促进虚拟机迁移。目前的虚拟机迁移策略,只能保证迁移完成时的状态是正常状态,或者说是从过载状态进入到正常状态,却没有考虑虚拟机由于任务变化所增加的资源需求量可能导致服务器过载的情况,因此,通过将马尔可夫链在状态预测上的优势与指数平滑法对数据变化的快速反映相结合,对虚拟机的负载进行预测,在蚂蚁行进求解时,按照虚拟机负载预测值放置虚拟机,以减少迁移后及未来一段时间内发生服务器过载的几率。在仿真平台CloudSim中实现了本文提出的虚拟机迁移策略,设计了相应的实验并进行了仿真。实验结果显示,本文实现的虚拟机迁移策略在降低能耗和保证服务质量上具有一定优越性。