云计算是一种新兴的商业计算模式，是目前国内外商业和科研机构研究的热点之一，它融合了网格计算、分布式计算、并行计算、效用计算、网络存储、虚拟化和负载均衡等传统计算机和网络技术，其核心思想是通过互联网将超大规模的计算、存储、网络、数据等资源整合起来，形成一个个虚拟的资源池，并以服务的形式按需提供给用户，用户无需了解、也不用担心应用程序运行的具体位置。　　任务调度一直都是云计算研究的关键技术之一，由于大规模云计算平台使用的各种不同的离散资源具有高度动态性和异构性及资源环境本身所固有的不可靠状态，使得云计算平台较传统的计算平台有更大的出错机率，为此研究一种高效的并具有容错机制和失败容忍能力的任务调度策略，对切实提高云计算服务的可靠性具有重要意义。　　冗余机制作为软件容错技术的一种常用手段，本研究针对云计算环境下任务执行的不稳定性提出了一种基于概率保证的可靠云计算模型，即通过在任务调度过程中加入适当的冗余来保证任务执行的可靠性，通过Cloud Sim做了大量的仿真实验，表明了在任务的总执行时间和服务费用上，与传统模型相比，该模型具有一定的优越性。此外，本研究又结合了实际生活中用户对各种资源节点的支付能力及对各种调度方案的满意程度的不同，提出了一种基于多维QoS约束的冗余调度优化方案，即在保证可靠性的条件下使得总费用最小及任务的最大执行时间跨度也最小，这是一个典型的最优冗余分配问题，它属于NP-hard问题，用枚举法耗时过长且难以求得最优解，遗传算法和蚁群算法作为启发式智能优化算法，已经被广泛用于解决可靠性优化、任务调度等许多优化问题，大大降低了计算的复杂性，本研究运用遗传算法和蚁群算法分别对该最优冗余分配问题进行了求解，针对其求解效果的不足，本研究对两种算法进行了改进与融合，提出了一种新算法--双目标自适应遗传蚁群算法(BOAGAACS)来求解优化模型，并通过Cloud Sim做了大量的仿真实验，仿真结果表明了新算法在时间和求解效率上分别优于遗传算法和蚁群算法。