云计算是一种基于互联网的新型信息资源服务系统,通过虚拟化技术将基础设施硬件资源虚拟化,使得海量分布式资源形成一个统一的巨型资源池,而用户任务的调度问题是云计算的核心问题之一,合理运用相关资源管理方法和技术,确保虚拟计算资源节点的合理、高效的分配和使用,如何实现对云计算资源的高效调度成为云计算研究的重要课题。为解决云计算资源利用率不高、系统负载不均衡等问题,通过对云计算系统进行研究,分析了云计算环境下任务调度问题的特点,总结出现有调度策略的不足。通过考虑节点在任务执行过程中可能的负载状态,设计了基于负载预测的云计算虚拟资源节点综合评价体系,以生成合理的用于云计算任务调度的矩阵,并对基于贪心遗传算法的任务调度方案进行优化,以提高调度效率,缩短任务完成时间,优化整体负载均衡能力。论文的主要创新性工作有:(1)设计了对于云计算虚拟计算资源节点短期负载的动态预测方法,针对云计算环境下节点负载的复杂性,多变性,时间关联性等特点,研究了在循环神经网络(RNN)的基础上形成的seq2seq模型,利用RNN网络与深度神经网络在不同情况下负载预测的优越性,设计并实现了适合云计算资源节点负载离散时间多步预测的d-seq2seq模型。将云计算资源节点的负载预测信息加入云计算资源节点的综合评价体系,形成云计算任务调度矩阵作为任务调度的依据。通过在公共数据集Google cluster data2011上的实验预测结果,验证了提出的d-seq2seq模型在云计算资源节点的短期预测上的准确性,说明该模型可以很好的适应复杂多变的云计算环境下的负载预测。(2)设计了一种基于贪心遗传算法(GGA)的云计算任务动态调度方案,在GGA的基础上提出了贪心选择树遗传算法(w-GGA),该算法采用生成贪心选择树的方法,通过贪心选择树计算基因选择概率矩阵,用以生成种群中的个体,使得该算法可以获得较优的初始状态,并采用了一种可以记录基因变化频率以及控制演化进程的遗传模板,防止算法无意义的重复迭代。将d-seq2seq模型与w-GGA调度算法写入CloudSim云计算仿真平台的资源调度模块,模拟云计算环境下基于d-seq2seq负载预测模型与w-GGA调度算法的运行,证明提出了的方案及算法能有效提高任务完成效率,提高资源的利用率与负载均衡,保证了云应用的服务质量,并具有较高的实用性和可行性。