在云计算环境中，基础设施即服务（Infrastructures as a service,IaaS）作为一种新的原型，为全球云用户提供了一种可通过互联网实现按需托管和交付计算资源的能力，包括计算、存储和网络能力。但是，云用户的持续增长会导致应用数量呈指数级增长，从而消耗云数据中心中庞大的资源才能响应云用户和云提供商之间的服务水平协议（Service level agreement,SLA）。相比之下，大型云数据中心可能导致能耗增加和多次迁移，这对IaaS云中的资源管理性能产生负面影响。因此，越来越多的用户应用程序与计算资源增长之间的对比成为资源管理的巨大挑战。为了克服这一挑战，本文分析如何应对由挑战引起的问题，其中包括海量而复杂的计算、海量数据、普遍云计算环境以及能源消耗和迁移的增加，同时保持较低的计算时间和SLA的较高水平。因此，本文研究基于负载均衡和调度策略的集成的低时间复杂度的计算方法，该方法处理每个问题以使这些方法在现实的计算基础架构中非常实用。其主要目标是提出一种快速，高效和简单的全局调度器，该程序对负载均衡和调度策略技术进行集成，以最优化IaaS云资源管理中的资源分配和资源供给。
　　（1）在有限的计算能力和异构资源数量的情况下，云计算将计算密集型应用程序分解为大型任务和小型任务。高的任务延迟时间和不足的计算资源，导致了高的计算时间和低下的资源分配效率。因此，本文提出了一种低时间复杂度的启发式方法，用于负载均衡和任务调度的集成，以满足在计算时间高和异构资源容量有限的情况下处理大量计算的需求。所提出的方法着重于寻找一种有效的方法，该方法通过计算分配的异构VM之间的公共和最小完成时间，以使得每个VM的完成时间以及异构环境中的总体计算时间最小化。
　　（2）在云资源管理中，较低的网络带宽难于满足越来越多的需要占用大量网络带宽的数据密集型任务。高网络负载，会导致较高的计算时间，高的执行成本和更少的利润，进而使得资源分配效率低下。因此，本文提出了一种快速而高效的基于零失衡机制的调度启发式方法，用于处理任务完成时间低、异构资源容量有限和网络带宽较低的任务的海量数据。所提出的方法实现了高级别负载均衡的零失衡机制，可以同时满足云用户和云提供商的要求。此外，最高级别的负载均衡也可以提高计算资源的可用性和可伸缩性。
　　（3）在云计算中，计算时间和性能取决于计算资源的数量和容量，它定义了一种特殊类型的计算环境，用来处理计算密集型任务和数据密集型任务。然而由于无法预测用户任务的数量、类型和大小，因此很难准确定义此计算环境。因此，本文提出一种新颖的，具有低时间复杂度和低成本的二进制粒子群优化算法（BPSO），该算法由于具有随机性，能够适应各种普遍云计算环境，用于任务的调度和负载均衡的集成，以优化资源分配。而且，在任务的初始化阶段，BPSO方法不仅利用了随机方法，而且利用了提出的启发式算法来初始化一组粒子中的其中一个粒子，以提高资源管理的性能。为了实现所提出的方法，本文着重于为每个粒子找到一个参考，以促进朝着最优解的方向收敛并加速对二进制空间的搜索速度，从而降低了时间复杂度。此外，本文还着重针对负载均衡策略，改进了粒子位置的更新方法。
　　（4）随着电子技术的发展及云数据中心中有限的异构资源的增长，计算资源不仅产生了高能耗，而且还激活了大量的VM迁移，从而导致了较高的网络负载和SLA违反成本。尽管根据SLA，高能耗可以满足用户需求的增长，但也对人类环境和资源供给产生了负面影响。因此，本文提出了一种低复杂度的基于负载均衡的动态VM整合方法，该方法采用Pearson相关系数来最优化调度和平衡计算资源，以达到在异构云数据中心下减少能耗、SLA违反成本，维持VM迁移之间的平衡。与以往的研究不同，该方法不仅着眼于CPU，而且还考虑了影响资源管理效率的内存（RAM）和带宽。