云计算是通过运用虚拟化技术实现随时随地、按需、便捷访问共享计算资源池的计算模式。云计算平台通过虚拟机部署给虚拟机配置相应的物理计算资源，实现计算资源统一分配调度，以满足不同用户对计算资源的需求，改善资源利用。　　现有的虚拟机部署方法主要考虑如何满足虚拟机的计算资源需求以及负载均衡的需要而进行分配，难以实现更精准的部署，主要表现在:(1)由于未能体现应用之间的相关性而带来的资源分配低效问题:特定应用之间的相关性会对虚拟机部署方式造成影响，许多虚拟机放置分配方法因为忽略了这种影响因素而带来应用性能不佳;(2)由于用户申请资源过度而带来的资源分配浪费问题:在云计算市场机制环境中，用户按申请量为资源支付成本;然而，由于难于估计实际资源用量，导致一次性申请的资源实际使用中没有充分利用，而额外多支付成本;(3)满足多目标资源需求的虚拟化平台选择最优性问题:在云计算系统多种虚拟化平台混合共存的环境中，存在特定应用领域用户对虚拟化应用运行平台方案的多目标性需求，比如，CPU、内存、磁盘IO、网络等方面多个性能指标，还有各指标间的特殊偏好因素;需要权衡多目标因素，给出一种最优平台方案决策的精准分配方法。　　为实现虚拟机更精准的部署，本文从体现应用特征的资源分配高效性、节约用户成本的资源分配经济性，以及满足多目标资源需求的平台选择最优性等三方面展开研究。主要创新点有:　　1.为提高资源分配的高效性，提出了一种基于虚拟机亲和性的分配方法。通过应用案例不同部署方式的性能评测，实验验证了应用之间的相关性对虚拟部署的性能效果存在影响，进而提出虚拟机亲和性模型，以及一种基于亲和性分组的虚拟机装箱放置方法，并从亲和性测量及有效性评估等方面进行了相关实验验证。　　2.为解决市场机制下的云计算用户支付成本高问题，提出了一种基于虚拟机非合作博弈的动态分配方法。针对两种典型非合作博弈问题:虚拟机放置博弈与负载均衡调度博弈问题，给出统一的支付函数和调整分配策略，博弈中用户可以动态计算当前是否可以通过改变分配减少支付值来决定动态调整分配，从理论上证明了两种博弈一定会达到所有用户都不想调整分配的状态，即纳什均衡状态。通过模拟实验验证了两种博弈分配方法的有效性，即不但可以为用户减少支付成本同时改善系统整体的资源配置。　　3.为解决要满足多目标需求的平台决策问题，提出了基于多目标决策的分配方法。将应用、虚拟机、虚拟化平台(如XEN、KVM)与特定物理机构成的整体作为虚拟化应用运行整体方案，并在此基础上构建了虚拟化应用运行平台方案的多目标决策模型，进而提出一种基于多指标性能测量与AHP层次分析法结合的多目标决策的分配方法;通过基于三种虚拟化应用运行平台方案的多目标性能测量与决策实验验证了所提方法的有效性。