伴随着互联网技术的飞速发展,世界各地的网络环境越来越好,通过网络实现操作异地计算资源的情况也越来越多,并逐步成为我们所熟知的“云计算”技术。云计算是在虚拟化、分布式计算、网格计算等技术的基础上发展起来的基于互联网的一种计算方式。云计算服务商通过将软硬件资源集中在一起进行统一管理,根据需要将这些资源提供给计算机和其他设备。相较于配置私有的计算资源,云计算环境自身按需提供和成本低廉的优势使得其在中小型企业的选择中占据上风。但是由于不同企业的不同需求,云计算提供商软硬件设备的差异和业内缺乏统一的标准和规则等原因,云计算环境中对于工作流的任务调度也变得更加复杂。在云计算环境中,合理的任务调度可以提高整个系统的服务性能,使得有限的计算资源得到充分应用。尤其在当今云计算环境下,中小型企业为节约硬件成本,都需要将自己的数据和信息放在云环境中,对于一个中小型企业,高效的云任务调度可以为企业减少在云计算资源上花费的成本。所以,云计算环境下的任务调度不仅可以提高服务质量(QoS),还为企业节约不必要的计算成本,同时为今后相关的调度研究打下坚实的基础。本文主要从以下几个方面进行了研究工作:(1)对蚁群算法进行简要概述,并将蚁群算法如何应用于求解任务调度问题进行数学描述,改进信息素挥发系数的函数表示,画出基于蚁群算法的任务调度流程图和主要步骤;(2)简要概述遗传算法,针对云计算环境中任务的调度问题进行遗传算法的数学描述,画出基于遗传算法的云计算任务调度流程图和主要步骤;(3)提出基于遗传和蚁群两种算法的融合算法。遗传算法的优点是算法初期搜索效率高,缺点是在算法的后期容易陷入局部最优解。蚁群算法的缺点是初期搜索效率低,优点是其后期的正反馈机制比较容易得到最优解。因此为同时利用两种算法的优点,提出把遗传算法和蚁群算法融合的调度算法。画出分阶段执行的云计算任务调度流程图和主要步骤;(4)利用墨尔本大学开发的CloudSim云平台进行仿真实验。将两种融合算法与轮询算法、蚁群算法和遗传算法进行对比实验。实验结果表明,与其他四种算法相比,先遗传后蚁群的融合算法在执行时间上略优于其他四种算法;在任务总完成时间和虚拟机负载均衡上,先遗传后蚁群的融合算法要明显优于其他四种算法。同样将算法应用于云工作流调度,证明了算法的有效性。该算法可以为中小型企业提高任务执行效率,一定程度上为企业避免不必要的开销,提高资源利用率。