随着信息时代的到来,云计算服务以其超大规模、可扩展性、虚拟化以及资源高可利用性而被众多企业和用户广泛使用。作为决定云计算性能的关键性因素,任务调度是解决弹性计算与资源高效整合利用的最直接有效的方式。调度有两个主要功能,即向虚拟机分配CPU（VM调度程序）和向VM提交任务（任务调度程序）。虽然目前对云计算任务调度的研究已经有很多,但是在实际云服务环境下,传统的任务调度规则无法对多变且含有不确定因素的云环境进行合理的调度分配,从而使整体调度性能降低,产生负载不均衡的情况。随着调度过程中不确定性和复杂性的增加,如何在动态的云环境下进行合理且高效的任务调度已经成为目前云计算技术发展首要解决的问题之一。本文针对云任务调度过程中不确定性和资源动态变化等特性,主要解决内容及贡献如下:（1）在线任务调度场景下,针对传统DQN算法收敛慢的问题,本文提出基于深度强化学习的任务调度方法。在实际的模型训练过程中,采用“Soft Max”动作选择策略,确保每次不选择最差的动作,但仍具有探索未知动作的能力。该算法在仿真实验中具有更好的收敛性。资源利用率较其他对比算法都有明显提升,较其他表现最优算法资源利用率提高11.6%。使任务调度算法可以在保证虚拟机之间负载平衡的前提下加快算法的收敛速度。（2）本文在同时考虑优化资源利用率与负载均衡的前提下,结合深度强化学习进行任务的合理调度,提出了五种复合调度规则。根据不同时间段内到达的任务数量和虚拟机状态选择最合适的操作（即调度规则）,选择任务并将其分配到可行虚拟机上。能够有效的减少任务的平均响应时间。实验结果表明,相较于对比组表现最好的算法,我们提出的算法将平均响应时间降低了9.1%,相比较与性能最差的随机调度算法,平均响应时间降低了39.4%。提高了任务调度的效率,在降低平均响应时间的同时具有较好的性能和负载均衡。