随着网络技术的发展,云计算作为应用最广泛的商业服务模式,对社会发展、经济发展产生了深远的影响。云计算系统的核心技术之一就是任务调度,调度策略的合理性,直接关系到整个云系统的调度效率和运行性能。一个合理的调度策略可以减少任务的完成时间、完成成本,提高系统的利用率、可靠性和用户满意度,给用户带来良好的体验。但是由于云系统本身的复杂性和用户的多样性,使得对云环境下任务调度的研究变得异常艰难。目前,对任务调度选取单一目标进行研究仍然占多数,但是在云环境下进行任务调度的过程中,对单个目标进行优化并不满足实际情况。现阶段,关于多目标调度问题依然有很大的研究空间。此外,结合云计算特点,传统调度算法不易实现多目标优化等问题,本文选取智能启发式算法进行任务调度的求解。通过对云环境下任务调度模型、调度目标、调度算法的研究,针对任务调度研究目标单一问题,本文选取任务完成时间、任务完成成本、带宽和负载均衡作为调度指标,并建立了多目标任务调度模型,与改进后的DE_ACO算法结合起来,提出了一种基于DE_ACO算法的多目标任务调度算法。该算法将差分进化算法与蚁群算法进行融合,使两种算法优势互补,利用差分进化算法快速的全局寻优能力,避免了蚁群算法初期由于信息素匮乏而盲目搜索解的问题,加快了蚁群算法的收敛速度,并同时提高了差分进化算法的寻优能力。该算法对信息素更新规则也做了改进,加入了负载因子,可以实现对负载的动态调节。对本文算法在CloudSim云仿真平台上进行了实验。实验结果表明,本文算法在缩短任务完成时间,减少任务完成成本和降低负载不均衡度方面具有一定的可行性和有效性。