随着互联网时代数据量的快速增长,在科学研究、工程实践和金融业等计算领域需要处理大规模海量的数据。这些领域对计算能力的需求远远超出了传统计算机架构所能提供的计算能力。云计算是在最初的计算机集群上发展起来的,通过聚集大量廉价的计算机组成计算机群并结合分布系统软件的管理,来达到复杂的计算能力,这种方式有别于超级计算机。云计算平台试图将计算资源作为一种商品提供给用户。用户只需要按照Pay-As-You-Go的方式获取计算服务并支付相应的费用。在工业界,国内外许多知名互联网企业都在积极地推动云计算的研究和升级及相关产品的研发。在学术界,很多科研单位也成立了云计算的研究机构。云任务调度问题作为云计算上层问题中的核心问题需要首要解决。云计算任务调度策略的好坏直接影响用户满意度和云计算系统的运行效率。好的任务调度策略能够有效降低任务的完成时间,并且能有效提高各种计算资源利用率,大幅降低能耗和节省运营成本。另一方面能耗问题和绿色云为云计算研究提供了新的机遇和挑战,资源调度算法的好坏直接影响能耗问题和SLA(Service Level Agreement)违反的高低。本文正是围绕云计算领域的这两大核心问题——任务调度问题和资源调度问题展开。本文第3章针对云计算任务调度问题,提出了混合群智能优化算法。该混合群智能优化算法是对已被验证有效的蚁群优化算法的改进。通过引入用户支出指标,混合群智能优化算法能大幅度削减用户支出并能兼顾较高的效率。这样,混合群智能优化算法为私有云和社区云服务商提供了新的任务调度算法选择。本文第4章针对云计算资源调度问题做了三个方面的工作。第一个方面是针对虚拟机放置子问题提出了一种改进的虚拟机放置算法。第二个方面是针对现有的基于贝叶斯模型的虚拟机选择算法的改进。第三个方面是对上述前两个方面的融合扩展得到一种综合的改进资源调度算法并验证这种算法的有效性。该改进的资源调度算法能很好地节省能源消耗和降低SLA违反率。最后在Cloud Sim云计算仿真实验平台上针对上述提出的任务调度和资源调度算法进行了大量实验。为了保证输入数据的一致性,第4章的实验设计是基于Cloud Sim自带的数据集进行的。根据得到的实验结果可知,本文提出的各个算法在各自所需的常见的评价指标上都表现良好。