随着云计算的快速发展,用户群体越来越庞大,各种各样的用户需求给云计算系统带来了巨大的挑战。一个合理、高效的云计算资源调度算法不仅可以保证云计算环境的稳定运行,还可以在一定程度上提高用户体验感,减少调度任务完成总时间,使调度过程变得更加高效。本文研究了云计算环境下的资源调度问题,以减少任务完成总时间为优化目标,针对蝙蝠算法在求解调度问题的过程中存在收敛效率差、求解精度低以及难于摆脱局部约束等缺点进行了优化,提出了两种云计算环境下的资源调度算法。论文的研究工作主要包含以下三部分:（1）针对蝙蝠算法在收敛速度和求解精度方面存在的问题,提出了一种自适应惯性权重的蝙蝠算法。在全面地剖析了蝙蝠算法的优势和局限性的基础上,引入了自适应惯性权重并且通过增加高斯扰动项到局部搜索中来提高蝙蝠种群的突变能力,从而提高摆脱局部约束的能力。最后使用基准测试函数验证改进后算法的性能,结果证明改进后算法的综合性能明显优于基础的蝙蝠算法。（2）针对单一的蝙蝠算法存在种群多样性低,搜索单一,容易陷入局部最优解,无法快速收敛到全局最优解等问题,将灰狼优化算法的思想融入到自适应惯性权重的蝙蝠算法中作为新的混合算法进行资源调度。该算法综合了两种基础算法的优势,在寻优前期全局搜索的力度强、收敛效率高,后期利用了灰狼优化算法的思想能够在一定程度上弱化全局搜索,使其与局部搜索保持均衡状态,从整体上提高求解调度问题的精度和收敛效率。通过基准测试函数设置多组对比实验,结果验证了本混合算法相较于单一算法的优越性。（3）为了验证上述两种算法在云计算资源调度环境下的性能优劣,本文对云仿真平台Cloud Sim进行了深入的研究。在扩展平台的同时,添加了与资源调度相关的类,建立了资源调度模型,然后在该平台上设计并实现了两组实验将本文算法与蝙蝠算法以及混合蝙蝠算法相对比,仿真实验结果表明本文的算法在云计算资源调度上表现出的效果更好,能够更快的完成任务,具有较高的执行效率。