任务调度策略则是云计算面对的一个不可避免的问题,良好的系统运行效率和较高的用户满意度需要一个较好的任务调度策略来支撑。在这种情况下,如何优化云计算中的任务调度策略来提高系统的运行效率和用户的满意度一直是云计算领域的研究热点和难点。目前,云计算中的任务调度策略种类较多,但大多数算法优化目标比较单一,以负载均衡、任务完成时间、成本或者能耗四个目标中的一个为优化目标的算法占多数。多目标优化的调度策略比如:以任务完成时间、成本和负载均衡三者共同作为优化目标的算法还比较少,也不够深入和全面。此外,蚁群算法在解决NP-hard问题方面应用比较广泛,而云计算任务调度就是这方面的问题。但是标准的蚁群算法具有容易陷入局部最优、在缺乏初始信息素的情况下收敛速度较慢等问题,经过改进的蚁群算法在应用到云计算任务调度的时候也具有优化目标单一的问题,将任务完成时间、任务完成成本和负载均衡三者作为共同的优化目标的蚁群算法还比较少。本文在对蚁群算法和现有的任务调度模型进行调研分析后,提出了一种以负载均衡、成本和任务完成时间为优化目标并结合蚁群算法的任务调度策略。对三个目标分别进行建模,归一化处理之后采用线性加权和法构造目标函数,将三个目标转换为单一目标。之后,引入前人对信息素Q动态自适应的思想,结合构造的目标函数对蚁群算法的信息素更新策略进行改进,然后在期望启发函数中融入任务等待时间因素,来避免蚁群算法陷入局部最优并改善了其负载均衡指标。通过CloudSim仿真平台对提出的算法进行实验验证,实验结果表明,本文提出的基于蚁群算法的多目标优化任务调度策略在负载均衡、成本和任务完成时间指标上有一定的提升。