云计算是近些年来兴起的一种新型计算模型,其具有很多传统的计算模型所不具有的优点,因此迅速成为了研究和应用的热点。在同一时刻会有多个用户同时对云平台请求服务,因此高效的任务调度策略对于云平台至关重要。如何将多个任务合理的分配到适合的计算资源上执行,并保证任务的顺利运行,使得所有任务的完成时间最短、成本最小是云计算中一个关键性的问题。对于云服务来说,降低整个请求任务的执行时间和用户使用成本是主要目标,与此同时也要提高云平台的资源利用率,保证云计算服务提供商的收益。这就使得云计算中的任务调度成为一个NP完全问题。进化算法诸如粒子群优化算法、遗传算法等在解决NP完全问题上有很好的表现,因此本文的研究动机是将进化算法引入来解决任务调度问题。本文主要在云计算的背景下进行了如下的研究：(1)建立了目前比较符合实际情况的任务调度问题模型,在模型中考虑了多种影响任务调度效率的因素。模型具有科学性和实用性。(2)提出了将遗传算法的交叉变异算子引入到粒子群优化算法中的PSO-CM算法。在充分分析了任务调度的粒子群算法、遗传算法的优缺点之后,运用理论证明分析了粒子群算法陷入局部收敛的原因,结合交叉变异算子的优点构造了新的算法。同时通过理论证明PSO-CM算法能够达到全局收敛。(3)将PSO-CM算法用Matlab实现,对传统的粒子群优化算法在云计算任务调度上的表现效果与本文提出的PSO-CM算法进行比较。结果表明：本文提出的PSO-CM算法在任务调度的过程中能够一直保持种群多样性,从而达到全局收敛。