云计算因其资源分配的灵活性、用户服务的即时性以及按量计价的透明性等特性而得到广泛的应用。由于用户对云计算的关注度日益上升,提交的任务数目也在激增,云平台压力暴涨,因此,加快处理效率、缓解平台压力势在必行。而云环境下任务调度和资源分配是影响云计算性能和效率的主要因素。目前,云计算任务调度和资源分配的相关研究层出不穷,但大多是从云平台提供者的角度出发,以最小化最大完工时间、降低能源损耗和负载平衡为目标来最大化云平台效益,从而制定最优调度方案。云平台采用的是按需服务模式,因此,如何提高服务质量也是一项重要的研究。目前,业界多采用减少用户提交的每项任务的完成时间的方法来保证服务质量。此外,云计算作为一种用户需付费使用的商业模型,采用的大多是即付即用机制。事实上,一个好的资源调度方案应该在满足用户需求的同时最大化云平台提供者的利益。因此,本文通过综合考虑云平台用户对每项任务的时间和费用要求来实现用户需求的量化,并且构造了一个兼顾用户需求和云平台提供者利益的模型来实现双赢的目标。本文摒弃了传统的只与任务长度有关的计价方案,通过对用户的实际需求和云平台的特性分析构建了新的动态计价模型,以实现对时间和费用的动态转换。同时,为了量化用户需求,用户期望和用户满意度的概念被提出。且在资源调度过程中,用户需求充当约束条件,用户满意度被当作优化目标。此外,为满足用户对时间和费用的不同需求,两种不同的权重分配方案被提出。其中,方案一是按需求优先的权重分配方案,当用户对时间或费用的需求较高时,只考虑需求高的一方,而直接忽视另一方;方案二兼顾任务的时间和费用需求,按与基准值的比例来划分权重。此外,本文提出了一种面向用户期望的资源调度方案,通过遗传算法来实现带约束的资源调度过程,从而提高用户服务质量。最后通过仿真实验证明了构建的动态计价模型的有效性,权重分配方案的合理性,以及调度方案的高效性。云平台的提供者希望能够尽可能地降低云平台的运行成本,从而将利益最大化。通过对研究现状的分析,本文综合最大完工时间,能源损耗以及负载情况三个方面构建了云效益模型。其中,最小化最大完工时间可以减少资源的浪费,降低能源损耗可以降低运行成本,保证负载平衡可以保证平台稳定性。并且,遗传算法被用来构建面向云平台效益的资源调度模型,以提供一个稳定流畅的云计算服务平台,更好地获取用户忠诚度,赚取更大的利益。最后通过对比试验证明了所提出算法的可行性和有效性。云平台的两个主要参与者都希望尽可能地保证自己的利益,而两者的利益却是相互冲突的。因此,一个基于用户需求和云平台效益的资源调度模型被用来衡量用户和云平台提供者双方的利益,在通过动态计价模型保证用户服务质量的同时,减少成本损耗来从侧面提高云平台提供者的利益。另外,遗传算法被用来进行资源调度以求得最优解,从而尽可能地满足不同用户的需求,提高用户满意度。此外,云平台任务队列的完成时间、能源消耗以及负载平衡等因素被综合考虑,以保证云平台的稳定性和任务运行的流畅性。最后做了相应的仿真实验,结果表明所提出模型具有较好的效果。