云计算通过虚拟化技术将海量的计算资源、存储资源和网络资源进行整合,形成一个虚拟化的资源池,使用资源调度与管理技术对各种资源进行部署、动态扩展和按需分配。然而,各个资源节点的性能差异较大,如何利用有限的资源为用户提供满意的服务,是云计算需要解决的一个重要问题。因此,研究云计算的资源调度问题对于提高云计算资源的利用率、降低能耗、降低运营成本以及实现网络性能最优,具有重要的现实意义。本文全面介绍了云计算以及常用的云计算资源调度算法,包括传统的调度算法、启发式的调度算法以及对启发式调度算法的改进算法。在深入研究了启发式算法中的蚁群算法后,本文提出了基于蚁群算法改进的云计算资源调度算法,最后通过仿真对改进算法的性能进行了验证。本文的研究内容如下:(1)由于云计算资源的种类繁多,只有当类型匹配时任务才会被分配到资源节点上进行处理。因此,针对资源调度中用户提交的任务集合分类比较明确的情况,提出了一种改进的蚁群算法,在算法中添加了查找表,并在信息素的更新公式中添加了成功率因子。在查找表中存储的是推荐的资源节点,当搜索资源时优先查看查找表。这样当任务所需资源重复率较高时,能缩短分配资源的时间。将改进后的算法应用在云资源调度中后,通过使用Cloud Sim进行了仿真实验,将改进算法和RR算法、蚁群算法在云资源调度中的运行情况进行了对比,改进算法不仅缩短了任务完成时间,而且提高了资源利用率。(2)在对粒子群和蚁群算法进行研究与比较后,根据两种算法各自的特点,提出一种基于粒子群和蚁群相结合的资源调度算法。粒子群算法搜索速度较快,而蚁群在搜索前期,因信息素较少,导致收敛速度较慢。改进算法的思想是在资源调度前期,先使用粒子群进行一次初始的搜索,将形成的初始解转化成蚁群的信息素初始值后,再利用蚁群继续搜索。其中,在粒子群算法部分,对惯性权重、粒子的速度和位置进行了定义;在蚁群算法部分,引入了狼群的强者生存原则,增大最优路径的信息素,去掉最差的信息素,为防止陷入局部最优,又对信息素采取了限制和变异操作。在Cloud Sim仿真平台下,在对改进算法和蚁群算法、粒子群算法、Min-Min算法在调度中的运行结果进行比较与分析可知,算法减少了任务完成时间,资源负载也相对均衡。