O paradigma de computação em nuvem pode ser definido como um conjunto de computadores (servidores) designados a prover seus recursos na forma de serviços. embora este paradigma traga muitos benefícios para os seus consumidores e provedores, o gerenciamento indevido dos seus componentes (como a localização das máquinas virtuais) acentua problemas relacionados ao desperdício de recursos. apesar de se tratar de um problema de difícil otimização, devido a quantidade de possíveis soluções (np-hard), diversas metodologias foram propostas para mitigar a questão da alocação de máquinas virtuais. porém, estas abordagens geralmente se concentram em objetivos e/ou cenários específicos, tornando-se impraticáveis em alguns modelos de nuvem (e.g. infraestrutura como um serviço -- iaas). desta maneira, identificamos a necessidade de uma solução agnóstica aos objetivos e que foque nos seguintes fatores: (i) a seleção das máquinas virtuais a serem migradas, (ii) a geração dos cenários que podem ser adotados e (iii) a variabilidade dos cenários criados. no entanto, não foi encontrado nenhum método, ou conjunto de ferramentas (framework), que contemple o problema de alocação de máquinas virtuais utilizando agnosticismo aos objetivos e que considere o custo de implementação das soluções. assim, esta tese propõe: (i) um modelo de nuvem orientado para problemas de alocação de máquinas virtuais e (ii) um conjunto de métodos, agnósticos aos objetivos da nuvem, para provisionamento e organização de máquinas virtuais. o modelo representa o ambiente através de regras, qualificadores e custos. baseado nestes elementos, os métodos utilizam estratégias de seleção, geração e variabilidade guiadas pela classificação de suas alocações. por fim, introduzimos uma estratégia que usa o custo-benefício para selecionar um dos vários cenários encontrados no processo, levando em consideração o custo de implementação da solução e os qualificadores do ambiente. os resultados obtidos foram executados com dados de um ambiente real e demonstraram que o método possui um tempo de execução viável para utilização em ambientes de produção e retorna um resultado próximo ao cenário ótimo.