混合云是将公有云和私有云相结合的云计算模式,综合了私有云安全可靠、公有云廉价便捷的优点,已得到越来越多的企业的青睐。如何协调私有云和公有云之间的资源调度是发挥混合云价值的关键,其中包括调度模型设计及建立在其基础上的调度算法设计。目前而言相应的研究还很少,尚未形成标准。为此论文试图做这方面的尝试。鉴于多公有云的混合云可以摆脱因绑定单一云服务提供商带来的限制,论文的研究立于多公有云的混合云调度机制。　　 论文提出了一种基于集群式调度和SOA三层架构的混合云调度模型。该模型采用集中方式进行调度控制,同时将执行调度的各功能模块物理分丌,满足了高要求管理和高可靠性、良好扩展性的需要。论文给出了所提出的调度模型的各主要功能模块的详细设计。　　 论文分别提出了基于遗传算法的云内和云间资源调度算法。云内算法以最少完成时问为调度目标,通过优化的初始种群选择方法,提高了算法收敛速度,并能防止局部早熟收敛。具体初始种群的选择分为三部分。首先分别利用min-min算法、max-min算法和基于每个个体历史处理数据量的统计加权算法,产生部分完成时间最少的个体;然后利用合理的交叉变异概率函数产生部分新个体;最后依据海明距离选择其余个体。非随机的初始种群选择方法提高了所选择个体的质量和多样性,为整个算法的优化奠定了基础。　　 论文所提出的云间调度算法以最少完成时间和最少支出费用作为双调度目标,基于经典的快速非支配排序遗传算法NSGA-Ⅱ,通过改进其精英策略,即将每一代双倍种群排序后产生的精英个体与统计加权算法产生的较优个体集进一步进行非支配比较,产生更优的精英个体填充入下一代父种群,从而提高下一代种群的寻优效果,进而使算法的双目标组合优化效果更佳。　　 论文最后在开源仿真平台CloudSim上,通过编程实现了所提出的调度模型的各主要功能模块。所提出的云内和云间调度算法的实现也基于开源GA算法和NSGA-Ⅱ算法。论文在编程扩展云内代理和云间协调器两个类的基础上,对所提出的调度机制进行了仿真实验,结果表明了调度机制的有效性。