现今企业所面临的数据和用户量与日俱增,各个行业的业务系统的并发访问流量、数据存储和管理压力都超过过去的企业,这些“大用户、大数据和大系统”问题成为了云计算发展的必然条件。随着信息技术的发展,云计算成为解决信息社会大数据挑战的重要方案,云计算应用对虚拟资源的服务质量要求也越来越高。云任务调度问题是影响虚拟资源服务质量的关键问题之一,已经成为研究热点。其中群智能算法是求解最优问题的一种重要分析方法,近年来在调度问题取得了较好的应用效果。本文首先针对现今云计算任务调度只考虑单目标和云计算应用对虚拟资源的服务质量要求高等问题,综合考虑用户最短等待时间、资源负载均衡和经济原则,从理论上建立了考虑双方的云任务调度的多目标数学模型,更加贴近于现实。其次结合偏好满意度策略并引入局部搜索算子和改变侦察蜂搜索方式,提出多目标离散型人工蜂群(MDABC)算法的优化策略。通过不同的云任务调度仿真实验,显示了改进离散人工蜂群算法相对于基础离散人工蜂群算法、遗传算法以及经典贪心算法,能够得到较高的综合满意度,表明了改进离散人工蜂群算法能够更好地改善虚拟资源中云任务调度系统的性能,具有一定的普适性。最后对算法进行分析,一定程度上证明算法的稳定性。