时代的飞速发展,信息技术的日新月异,互联网技术的突飞猛进,云计算技术的不断崛起,将人类带入“云”时代.云计算以其高效性、便利性和可扩展性等优势吸引着企业、学术界的关注.云计算通过虚拟化技术建立资源池,将服务器、存储等储存其中,为用户提供按需服务.云计算任务调度策略不仅影响着云数据中心的运行效率而且影响着用户对服务的满意度.因此,高能合适调度策略的选取在云任务调度的研究中起着至关重要的作用.为了增加云用户对于提交任务处理效率的满意程度,本文将粒子群算法融入到云计算任务调度中进行研究、改进.主要内容如下:1.提出改进粒子群和教与学混合算法的云任务调度.针对粒子群优化算法精度差,易陷入局部最优等缺点,提出有效信息粒子群优化算法,将其与具有动态自适应教学因子的教与学优化算法混合,采用双子种群策略进行信息共享,以此提升运行效率;并且引入淘汰策略.将改进后的算法应用于云计算任务调度中,通过CloudSim测试验证表明本文算法调度结果且收敛速度更快.2.提出基于正态更新的质心粒子群算法的云任务调度.首先,提出正态更新机制的粒子群优化算法,避免粒子出现“早熟”现象,其次,将质心粒子引入算法中,加强粒子搜索能力,增加粒子多样性,最后,将本章提出的算法进行CloudSim应用,结果显示本文算法效果显著.3.通过引入克隆增值与变异策略等,对多目标粒子群优化算法的缺点进行改进与云应用.实验结果表明改进后的多目标优化算法,Pareto前端分布更均匀,在云平台上获得了较优的调度效果.