云计算是信息时代的新型的计算模式,它是由网格、分布式和并行的计算基础上发展而来。云计算是现代信息技术与商业服务的产物,代表着下一代的互联网技术。资源调度和管理是云计算的关键技术之一,其主要研究如何在调度目标下为用户任务合理地分配资源节点、如何动态地进行资源节点扩展以及资源的有效管理。资源调度的目标包括满足用户服务质量、提高资源利用率、节点负载均衡等。资源调度策略的优劣直接影响到云计算的系统性能及相关成本费用。为此有必要借助各种优化算法对资源调度方案进行优化,以提高任务和资源的匹配效率,获得更好的调度目标适应度。粒子群是近年来在群智能邻域提出的一种有效搜索算法,其源于对鸟群觅食的搜索过程,算法概念简单,容易实现,是一种高效的并行搜索算法,一些改进的粒子群算法对解决资源调度类复杂度高的问题是非常有效的。聚类是将物理或者抽象的对象集合依据相似程度划分为若干类群,源于数学、统计和经济等领域,并广泛应用于很多领域。在云计算资源调度中,用户任务的资源需求特征异同,基于相似分治的思想,对用户任务进行聚类处理后优化调度是云计算资源调度研究的一个有效思路。本文主要从以下两个层面对资源调度问题进行了研究:(1)针对任务对资源需求的差异化特征和用户任务异构特点,研究了在用户任务层对任务聚类分治的可行性,划分后的任务群增强了相似性,有效提高了后续任务资源调度优化的效率。(2)提出一种改进的双子粒子群优化算法,该算法思想源于社会进步过程,保守行为利于社会的稳固,勇于探索行为利于社会的突破与创新。将改进算法运用到云计算环境的任务与资源调度优化中,可以有效提高云计算资源调度优化算法的执行效率。仿真实验表明,在任务聚类、相似分治策略基础上,将改进的双子粒子群优化算法应用于云计算资源调度,可以有效地从两个不同层面对资源调度策略进行优化。实验取得了令人满意的效果。