随着移动通信的快速发展,无线传输的速率越来越快,为移动智能终端和云计算的发展奠定了基础。移动智能终端越来越深入人们生活的各个场景,承载的功能越来越多,但是由于终端自身硬件条件的限制,存储能力,处理能力,续航能力都会遇到瓶颈。所以移动智能终端云计算兴起,将数据的存储和处理放到云端的数据中心处理。但是随着5G的到来,物联网也会蓬勃发展,数据量成爆炸性的增长,中心化的云计算越来越不能满足人们对低延时的要求,微云计算应运而生。微云计算比云计算更加接近用户,这使得微云能够以更低的延时存储和处理用户数据。不必将所有的数据都传到云计算中心去处理。这样也减少了云端的网络负载。我们将每个区域都部署一个计算中心,这些计算中心组成一个微云系统。但是由于不同的区域的用户的到达率是不同的,这样在某些区域就会发生堵塞。本文基于禁忌搜索算法和人工蚁群算法提出了联合优化算法,有效地降低了区域的堵塞发生率。同时针对一个计算中心,本文先后设计了九个任务调配算法,并测定了在混合工作流情形下的算法性能,通过性能对比,筛选出了适合于混合工作流调配的算法。首先针对部署在多个区域的微云系统,本文提出了跳跃到达率作为计算中心的重要参数。基于禁忌搜索算法和人工蚁群算法提出了联合优化算法。联合优化算法的作用是将用户的实际到达率高于跳跃到达率的区域的用户成比例地转移到用户的实际到达率低于跳跃到达率的区域,实现用户在不同区域的均衡分配。同时对于无法转移的孤蚁区域,本文设计了随机转移的策略。通过计算机仿真平台的搭建,本文对算法的使用效果进行了测试和对算法做了进一步优化,最终将每个区域的堵塞率都大幅度降低。接着,本文研究了多工作流的情形。在一个计算中心内,本文设计了两个工作流进行混合计算。首先提出了衡量混合计算性能的测试指标:混合增益和综合增益。这些指标可以用来衡量某个调配算法在工作流混合情形下相比于单一工作流情形,用户的平均计算用时的减少量。然后,本文通过借鉴或者改进云计算中的单工作流调度算法,得到了九个算法:HNFT,PCP,minLOAD,min Load PCP,EZDCP,MCP,SMD,ETF,DLS,通过对比性能,本文最后得到了适合混合工作流调配的算法:PCP,EZDCP,MCP,SMD。