随着大数据、5G、边缘计算等新技术的迅猛发展,各行业对数字化转型的需求更加迫切,云服务正从互联网行业普及到政府、制造、金融、零售、交通、教育等领域。面对严峻的云服务市场竞争形势,对于以盈利为目标的云服务提供商来说,其亟需解决的关键问题是如何设计有效的调度算法使云服务利润最大化。现有的云服务利润优化研究工作一般只讨论云服务运营商这一层面,而忽略了对云用户这一层面的分析。因此虽然当前研究可能会在短期内扩大云服务利润,但是长期来看,这些技术可能会由于缺乏对用户的消费习惯的了解,导致用户的服务体验不好,最终造成用户流失和利润降低。因此,为解决上述问题,本文首先根据用户历史消费行为进行用户细分,并结合用户评价模型建立用户个性化定价策略,然后提出了一种基于遗传算法的调度算法来提升云服务利润。本文的主要贡献如下:1.运用RFM模型分析云用户历史消费行为,提出了两种提取用户消费特征的方法。本文基于RFM模型统计用户的消费指标,接着分别通过指标分段法和聚类方法进行用户价值划分并提取用户的消费特征。2.结合用户服务评价模型,建立了一种个性化定价策略。本文运用了统计方法来估计不同消费特征的用户对于多种服务价格-质量组合的评价分数,然后基于评价预测模型,为云用户制定了个性化的服务请求定价策略。3.提出了一种基于改进遗传算法的调度优化算法。本文首先对云服务利润优化问题进行形式化定义,接着介绍了遗传算法和LSF算法,然后基于改进的遗传算法设计了服务请求调度机制,在保证用户评价分数的同时实现利润的最大化。实验结果表明,本文提出的基于改进遗传算法的调度算法相比于其他三种调度方案在利润优化方面取得了明显的提升。