为了提高物联网所提供应用服务的质量,应该对如何提升其任务调度效率进行研究。对于调度问题,传统算法所使用的盲目搜索策略会导致计算资源被大量浪费等问题,因此本文采用群体智能优化算法,以达到使任务调度更智能、更精准、更稳定和更低能耗的目的。群体智能优化算法蕴含着非盲目搜索的随机性,计算时间控制较好,可解决复杂的优化问题,将其引入物联网任务调度研究之中有着重要的理论价值和现实意义。首先,利用混沌映射,对丛林狼算法COA进行改良,并实现了其在物联网任务调度中的应用。改进主要涉及到算法主体中的初始化、社会地位更新和群体交换三个部分,并据此提出混沌丛林狼算法CCOA。通过对比实验,可证明CCOA的收敛速度已有较大改善,同时其在任务调度中的表现要优于粒子群算法PSO和遗传算法GA。其次,利用新的学习阶段策略和混沌映射,对排球超级联赛算法VPL作了有效改进,并实现了其在物联网任务调度中的应用。改良主要针对几个主要模块,分别为球员属性初始化、竞赛策略、知识分享策略、球员调整策略、替补策略、胜方策略和学习阶段策略,并依此提出改进的排球超级联赛算法IVPL。通过对比实验,可验证IVPL在收敛速度和求解精确率上都已有提高,同时其在任务调度中的表现要优于粒子群算法PSO和遗传算法GA。最后,本文设计了一种混合CCOA和IVPL的任务调度算法CCIV,根据任务间的通信成本进行聚类,利用群体智能的强空间搜索能力、高稳定性和快收敛性等特性,完成了任务簇至物联网计算设备的有效调度。通过对比实验,有力证明了所提算法在降低系统总成本上是有效且可行的。