云计算利用虚拟化技术将物理资源转换成可动态伸缩的虚拟资源，使得企业能够按需访问云中的资源。通过云计算，用户可以访问到大量的计算以及存储资源，享受云端强大的计算能力，而不必关心它们的具体位置以及如何配置的。但是云计算系统内都会配备有自己的任务与资源之间的分配策略，而一个好的任务调度策略能全面提高整个云计算系统的运行效率，因此对云计算环境下的任务调度算法进行研究有着重要的理论意义和现实意义。本文针对目前云计算任务调度算法中存在的如何平衡资源负载、最小化任务总完成时间的问题以及如何满足用户多维QoS需求的问题进行了研究。主要内容如下：首先，本文提出一种基于负载均衡与最小完成时间的LB-ECT算法。在传统的任务调度算法中，往往只考虑任务的安全性或者响应时间等因素。而在异构分布式的云资源池中，每个资源的性能是有所差别的，在进行任务与资源之间分配的时候很容易出现资源负载不均衡的现象，这将会严重影响系统的整体性能，同时如果不考虑任务在资源上执行的最小完成时间这一因素也会造成性能好的机器不能得到充分的利用。在现有的云计算任务调度算法中大多只是单方面考虑了负载均衡或者单方面考虑了最小完成时间的因素，而两者的结合将会满足用户对系统整体性能与时间的要求。因此本文提出了一种基于负载均衡与最小完成时间的LB-ECT算法。本算法通过综合考虑资源当前的负载状况和任务在资源上完成的最小时间两方面的因素，在二者之间寻找一个最佳的平衡点，完成任务与资源之间的最佳配对。仿真实验结果表明该算法能提高任务执行的成功率，提高系统资源的利用率，缩短任务的总完成时间。其次，本文提出一种基于多目标粒子群算法（MPSO, Multi-objective particle swarmalgorithm）的多QoS约束云计算任务调度算法。目前云计算中的任务调度算法大多以“机器”为中心，没有真正做到以“用户”为中心。当前已经提出的基于QoS的任务调度即便是考虑了用户对任务的QoS需求，但也只是简单地考虑了一维的QoS需求，即单一的时间或者成本，不能够满足用户多维QoS的需求。因此本文提出了一种基于多目标粒子群算法的多QoS约束云计算任务调度算法。本算法通过综合考虑任务执行成功率，最少花费和最优跨度等QoS约束条件，利用MPSO算法同时优化多个约束条件，从而找到最能满足用户需求的任务调度方案。仿真实验结果表明，该算法能够提高用户满意度，节约成本，提高任务的执行成功率。