云计算是一种以互联网为载体的新的服务模式,以其可伸缩性、高可靠性、低成本以及按需服务等诸多特点吸引了无数研究人员和企业的关注,成为了当今时代的热门话题。云计算任务调度是云计算研究中的重点,传统的任务调度算法包括FCFS算法,轮询算法,Max-min算法,Min-min算法等,这些算法简单易用,但是容易造成资源浪费,也会导致任务处理效率偏低。由于云计算平台中的硬件数量庞大、资源组成异构且复杂,并且用户的资源类型要求各有不同,服务需求也多种多样,使得云计算平台的调度策略相比于传统调度更加繁琐,需要考虑到多个层面的资源调整和协调,还需要能够快速响应用户请求,因此设计出高效的调度策略来解决上述相关问题就显得格外重要。云计算平台任务调度的调度目标主要包括:降低任务的完成时间、保证系统负载均衡、较少任务处理费用等。本文首先针对任务完成时间,以最短任务完成时间为目标,分别提出了基于改进蚁群优化算法的云任务调度方法和基于改进人工蜂群算法的云任务调度方法。对于蚁群优化算法,改进了信息素更新方式和信息素挥发系数两个方面;而对于人工蜂群算法,分别对食物源选择概率模型和蜂群的搜索策略进行相应改进优化。然后针对多目标的调度需求,提出了改进遗传算法的多目标任务调度策略,该策略可以根据用户的偏好进行相应的任务处理,以达到不同的任务处理效果。最后在CloudSim平台上进行仿真实验,实验结果表明,本文提出的改进蚁群优化算法和改进人工蜂群算法都能够有效降低云计算任务完成时间;而改进的遗传算法在多目标任务调度实验中也表现出比标准遗传算法更好的性能。