云数据中心的任务调度是云计算应用的核心问题，是云计算得以大规模应用和提高系统性能的关键技术。先进的任务调度，对于提高云服务提供商计算资源的利用效率、节约能源、提高资源共享、和降低运营成本都具有极大意义，值得深入系统地学习研究。本文的主要工作：（1）研究了云计算的关键技术，详细对比分析了目前学术界热点研究的几种任务调度算法，并针对云计算中独立任务和相关联任务的调度算法进行了深入研究。从中发现了一些缺陷，并提出了相应的改进方法。（2）针对云计算中的独立任务调度，综合考虑用户满意度和云服务提供商收益，提出了一种融合粒子群和遗传算法，应用到了云调度中。首先，对云计算系统中的虚拟机进行分类，并引入任务-资源满意度距离、资源综合性能概念；其次，优化粒子群算法初始化粒子操作，提高初始粒子质量；然后，为了克服粒子群算法容易陷入局部最优解的问题，融合遗传算法来扩展粒子群的搜索空间。最后，在云仿真软件Cloudsim上的实验结果表明，相比其他调度算法，该算法能有效提高用户满意度和增加云服务提供商利润，是一种有效的调度算法。（3）针对云计算中的相关联任务，在研究了经典调度算法的基础上提出了基于改进优先级和任务复制的调度算法。在云计算的异构环境下，DAG任务图关键路径已经失去表示最迫切需要调度任务的意义。本文算法在确定任务优先级别时综合考虑了任务计算通信代价、任务出度和任务分支值等因素，在选择处理器阶段利用复制冗余任务的手段来提前任务的开始执行时间。通过这两方面的改进，理论证明和实验分析说明，本文算法对比现有调度算法，有效的减少了通信延迟开销，缩短了DAG任务图完成时间。本论文主要研究了云计算环境下独立任务和相关联任务的调度算法。提出的独立任务算法更适合云数据中心大吞吐量的环境；提出的相关联任务调度算法更适合通信密集型任务调度。该课题的研究为分析和解决云计算任务调度问题提供了新的思路和参考。