云计算是一种用户可按需分配及自主配置的新型资源池,这种技术可以为用户提供计算、网络、存储等虚拟资源。作为一种为用户提供商业服务的技术,如何合理调度系统资源是云计算中的关键问题。由于云计算具有异构性、动态性、大规模性等特性,因此应考虑如何对资源进行合理的调度,使用户在短时间内获取资源。同时,在调度中如何尽可能地提高资源利用率、降低能耗,也是一个急需解决的问题。本文实现了基于遗传算法的云计算资源调度算法。遗传算法是一种具有随机化特性的全局优化搜索算法,它借鉴自然界优胜劣汰的进化规律。由于其整体搜索策略和优化搜索方法在工作时不依赖其它辅助知识,遗传算法具有很强的通用性。同时,遗传算法在解决NP问题时有优异的表现,因此它被广泛应用在大规模集群的资源调度问题中。在满足用户需求的基础上,为了节约能耗,最大程度产生最优的经济效益,本文在适应度函数中引入经济效益约束、服务等级协议(Service Level Agreement,SLA)约束和能耗约束,使得调度策略能够让虚拟机在最合适的物理机上进行创建。由于遗传算法的搜索策略,可能会过早进入局部最优从而难以走向全局最优,本文采用Tabu禁忌搜索(Tabu Search,TS)算法对这个问题进行优化。TS算法是一种逐步搜索全局最优化的算法,模拟人类智力发展的过程。在TS算法中,一个高质量的初始解可以大大提高其搜索效率,而遗传算法所获得的解恰好可以为它提供高质量的初始解,因此将遗传算法和TS算法相结合能够很大程度上提高算法性能。本文在遗传算法的计算过程中会对进入早熟阶段进行判断并引入TS算法,将遗传算法的解作为TS算法的初始输入。改进后的算法在跳出局部最优解的同时,通过TS算法产生新的邻域,保证了解的多样性,使得到的结果逐步优化,最终达到全局最优。本文实现了基于CloudSim平台的实验仿真。在CloudSim上将改进后的算法与轮询算法、随机分配算法进行实验结果对比,结果表明所采用的改进的遗传算法能更好的对云计算中的资源进行分配,在经济效益约束、SLA约束、能耗约束等多个约束条件下权衡,达到最优调度的目的。