当今电子终端设备正处在一个飞速发展的时代。无论是其硬件条件,还是网络条件,都在不断满足人们日常需求的同时,呈现出能力过盛的情况。这种情况导致的后果就是越来越多的设备资源被闲置甚至被荒废,造成了极大的浪费。为了解决这种问题,iVCE虚拟计算环境应运而生。这种环境建立在开放的互联网平台之上,通过整合底层资源和任务需求,完成对异构、多样的资源的管理工作。其中,资源调度策略的制定和选择影响着资源的利用效率和服务水平,是环境中最重要的研究课题。本文结合真实的iVCE虚拟计算环境,对该环境下的资源调度问题进行了研究。首先分析了现有iVCE平台下一些资源调度算法存在的不足,提出一种根据资源特性进行简单“分类”的调度思路。然后在实际iVCE计算环境中实现了一套带有此功能的资源管理系统。最后,针对简单分类方法存在的不足,提出了使用机器学习算法进行优化的方案。本文主要工作包括:(1)对iVCE虚拟计算环境及该环境下现存的资源调度算法进行了深入的研究。通过研究得出现存算法更多地考虑如何缩短任务在平中的执行时间,不仅忽略了资源的特性,而且存在大量的盲目调度问题。针对这些不足,本文提出一种通过资源进行分类,然后根据类型调度的思路,并分析其适用性。(2)实现了真实iVCE环境下的一套资源管理系统,除了具备资源管理的基本功能之外,该系统还能完成对资源的简单分类功能,并按照类型进行调度。(3)由于现有系统中的分类功能评判标准并不严谨,分类结果也不十分精确,加之iVCE环境下海量数据的特性,本文考虑使用机器学习领域内的聚类算法,对现有系统中的分类功能进行优化。提出一种基于遗传算法改进的FCM聚类算法作为优化方案,并通过实验分析了此方案的正确性和可用性。