智能制造工厂中,生产自动化给各类处理任务的终端带来了大量的任务处理需求,而移动云计算技术恰好可以缓解这种任务处理压力。但是在移动云计算技术的应用中也存在着一些问题,如大量实时性任务的时延要求难以得到满足,移动端的储能受限使得移动端的工作时长成为移动云计算应用中的一个瓶颈。本文考虑了以任务时延和移动端能量利用率为优化目标的移动云计算中任务调度问题。本文的任务调度问题在实质上就是一个任务卸载问题,即如何以时延和移动端能量利用率为优化目标,更好地将一部分任务从移动端迁移到云端服务器。本文提出了移动云计算任务调度问题的基本方案,任务调度的基本架构,并为该任务调度问题建立了基本模型,该模型为任务调度问题的解决奠定了坚实的数学基础,之后在数学模型的基础上提出了两个算法来优化本文的时延和移动端能量利用率这两个目标。本文以移动端能耗和任务的时延为优化目标,以任务模型、任务时延模型、能耗模型等为数学理论基础,提出了由两个基于启发式算法原理的优化算法构成的任务调度分步策略。两个启发式算法分别以粒子群算法和遗传算法为基本原理,提出了PGAAT算法和GACTEU算法。第一个算法对于任务相关的一些参数做了优化,算法得到了最小时延下的任务到达率参数。第二个算法是在第一个算法的输出结果的基础上,以移动端的能量利用效率为优化目标,得到了移动端任务的最佳调度决策结果。本文通过任务的一些属性对任务进行分类,在分类的基础上做任务调度,也比较有效地提高了算法的性能。实验仿真结果表明本文提出的分两步优化两个目标的方法是有效的,提出的两个算法能较为合理地进行任务调度使得任务的时延和移动端能量利用率较前人提出的一些算法有比较明显的改善。