SaaS软件所处环境的开放性和动态性导致其在长时间运行过程中可能出现性能降级问题,根据动态变化的环境快速优化SaaS软件的部署方案是应对该问题的一种有效途径。然而,SaaS软件的服务化特点及其运行平台的硬件虚拟化特点使得传统的部署优化方法无法直接用于解决SaaS软件的部署优化问题。为此,本文针对SaaS软件的部署特点,提出了一种能够在运行时自动为SaaS软件寻找性能最优部署方案的方法,具体内容如下:（1）提出了一种能够支持性能评估与优化的SaaS软件部署描述语言SSDL。SSDL从SaaS软件、云平台、部署方案、部署约束和使用模式五个方面进行设计,以支持对SaaS软件部署方案及其优化所需信息的表达。SaaS软件通过定义服务和服务连接件描述其层次化的组合机制,通过定义复杂的连接件行为描述服务接口的动态绑定、适配、选择、失效处理等机制;云平台通过定义虚拟机资源和虚拟网络链接资源描述其为SaaS软件部署所能提供的资源类型;部署方案通过定义部署节点,并将部署节点与SaaS模型中的服务和云平台模型中的虚拟机类型相关联描述SaaS软件服务实例与虚拟机实例之间的分配关系;部署约束通过定义相对位置约束和绝对位置约束描述部署SaaS软件所需遵循的约束;使用模式通过定义使用场景和服务等级协议描述SaaS软件的使用情况。（2）提出了将SSDL转换为排队网络模型的方法,以及基于排队网络模型评估SaaS软件部署性能的方法。首先,根据SSDL描述的信息形式化定义了 SaaS软件、云平台、部署方案、部署约束和使用模式。然后,基于这些信息构建了一个包含软件层和硬件层两层结构的排队网络模型,分别用于建模影响SaaS软件部署性能的软件执行流程和部署方案;最后,通过对构建的排队网络模型的求解,给出了 SaaS软件部署性能的求解公式,并基于这些公式,评估了不同部署变更对SaaS软件性能的影响,给出了多种优化SaaS软件性能的部署变更措施。（3）提出了一种基于遗传算法SaaS软件部署优化算法。首先,基于前面给出的SaaS软件部署性能评估方法,以最小化端到端响应时间、最大利用率和成本为目标,构建SaaS软件的部署优化模型。然后,结合遗传算法和前面对部署变更影响的评估所得到的结论,设计了一种求解部署优化模型的优化算法。该算法根据SaaS软件的部署特征,采用基于组的编码方式对遗传算法的基本操作进行了设计;根据对部署变更影响的评估所得到的结论,设计了6种部署优化策略,并将其作为新的演化算子整合到传统的遗传算法中。