云计算是分布式计算、并行计算、集群计算和网格计算等传统计算机和网络技术的演化和发展,其中任务调度问题是云计算的核心内容之一,而且也是国内外学者研究的热门问题之一。任务调度根据用户提交的各种需求信息,采用恰当的方法把不同的任务合理地分配到云环境中合适的计算节点上执行,它的好坏直接影响到总任务执行时间、总资源消耗成本和总负载均衡程度等重要因素。所以,对更加高效的智能优化算法在任务调度中应用的研究和探讨,具有非常重要的理论指导意义和现实应用意义。本文提出了一种基于云正态模型的混合粒子群(Hybrid Particle Swarm Optimization,HPSO)算法,并对基于HPSO算法的云计算任务调度问题进行了详细的研究和探索。第一,本文研究了任务调度算法在云任务调度问题中的应用现状与发展趋势。针对任务调度问题和调度算法规则,对云任务调度问题进行了分析与建模,并在此基础上,提出了一种启发式HPSO智能算法。该算法一方面提出了用Min-Min算法随机初始化种群,解决了初始解质量较低的问题,提高了粒子的质量;另一方面提出了使用云正态模型动态改变粒子惯性权重,同时在算法后期引入了遗传算法中的自适应交叉和变异操作以保留优秀粒子,有效地解决了算法容易陷入局部最优问题,不仅提高了算法的局部搜索能力和全局搜索能力,而且加强了搜索速度,优化了种群的多样性。第二,本文通过在Cloud Sim模拟器上对提出的基于HPSO算法的任务调度策略进行了实验仿真和评估分析,评价了HPSO算法应用到任务调度时的性能影响,通过对三个性能目标进行结果对比,验证了改进算法的可行性和鲁棒性。最后,本文通过对某企业任务调度过程仿真,设计并模拟了一个基于HPSO算法的任务调度管理系统,实现了任务的快速有效分配,验证了改进算法的实用性和准确性。