针对如何从云数据中心的异常物理主机中选择出候选迁移虚拟机列表是虚拟机迁移中的问题，提出了基于贪心模式的虚拟机选择算法(GAO-VMS)。GAO-VMS每次都选择那些目标函数最优的虚拟机作为标准来迁移，形成候选迁移虚拟机列表,它有三类贪心模式：最大能量降低消耗策略(MPR)、最小迁移时间及能量消耗均衡策略(TPT)、最小每秒百万条指令数虚拟机请求策略(VVM)。使用CloudSim模拟器作为GAO-VMS的仿真环境。仿真结果表明：与常见的虚拟机迁移策略相比较，GAO-VMS使得云数据中心的能量消耗减少了30%~35%,虚拟机迁移次数减少了40%~45%，服务等级协议(SLA)违规率以及SLA违规和能量消耗联合指标只有5%的增加。GAO-VMS策略可用于企业构造绿色云计算中心。

物联网（IoT）通信系统具有活跃用户数低、数据帧短等特性，而信道估计和多用户识别所需的导频和用户识别码会显著降低IoT系统的通信效率和响应速度。针对上述问题，提出了一种基于非正交多址接入（NOMA）的盲信道估计和多用户检测算法。首先，利用码分多址（CDMA）系统中的扩频矩阵对每个用户所占用载波进行分配，并采用差分编码解决盲估计所引发的星座点旋转问题；其次，根据用户所分配载波具有的稀疏性，引入伯努利-高斯（B-G）分布作为先验分布，利用变量间的隐马尔可夫特性进行因式分解和建模，由用户数据的稀疏特征进行多用户识别；最后，应用消息传递算法对上述模型进行推导，解决NOMA引起的多用户干扰，得到面向IoT环境的联合信道估计和检测接收算法。仿真结果表明，相对于块稀疏单测量向量（BS-SMV）算法和块稀疏自适应子空间求解（BSASP）算法，所提算法能够在不提高复杂度的条件下获得约1 dB的性能增益。