随着计算机和网络技术的不断发展，云计算逐步作为一种全新的计算模型，被提出并不断加以改进，经过学术界和产业界的共同推进，正在从理论基础走向实践，我国政府也投入了大量的财力和物力来帮促进“云计算”产业在我国的发展，全球各大IT巨头分别进入云计算领域，例如谷歌、IBM，亚马逊等，都在开源的云计算平台上改进然后提出了自己的云计算平台。云计算基本思想是把网络中的海量用户提交的作业分割成很多的小型的计算任务，然后交给由多个服务器组成的服务器集群来执行计算，云计算的用户群是非常庞大的，因此任务数量也是非常巨大的，所以任务调度是云计算平台实现的关键点。　　云计算技术的商业特性决定了它需要满足用户多方面的计算服务需求，因此必须通过特殊的任务调度策略来为用户提供更高质量的计算服务水准，实现将不同的作业根据环境的实际情况调度到合适的资源上执行，现有的任务调度算法都存在一些或多或少的问题，如FIFO算法会造成系统整体的运行效率不高，资源利用率也不高；公平调度算法会出现负载均衡差，系统响应久，另外配置文件的好坏也会影响系统的性能；计算能力调度算法需要手动设置队列和队列组从而使得整个系统的易用性比较差；另外还有一些研究人员通过借鉴遗传算法、免疫算法、蚁群算法等的原理，通过对任务执行的过程进行动态的监控，根据任务的执行结果的反馈信息，动态的调整后续相关任务的分配执行，但是存在QOS考虑不够全面、初始种群生成不均匀以及进化速度慢的问题。　　针对已有的基于相关算法的对服务质量(QOS)考虑不全面，以及初始种群生成不均匀、进化速度慢等问题，提出了一种基于多适应度的改进任务调度算法(Multi-fitness Task Scheduling Algorithm MFTSA)，利用多个适应度函数来优化算法，该算法可以使用户在具有模拟的独立计算的能力基础上，根据QOS特征向量来进行资源与相关任务的分配，使得算法在总任务完成时间、任务平均完成时间、任务完成总费用、任务的安全性等级、可靠性等级、能耗等级方面均可以得到提高，这样就可以区分开不同用户的不同需求，为用户提供符合特殊需要的服务，满足用户多样性的需求，同时改进了遗传算法的初始种群生成方法以及相关的进化策略，通过后期切换到蚁群算法执行，从而使算法具有更快的收敛速度。　　最后，使用CloudSim进行了云计算平台上的仿真验证，验证了算法的可行性以及对不同需求用户的服务质量的保证，实验结果表明，该算法在QOS、算法迭代速度方面，比现有的算法性能好，是一种高效的任务调度算法。