微云通过在靠近用户端的网络边缘部署服务器,为用户提供低时延的网络通信服务和类似云的计算服务。移动设备通过网络接入点将任务卸载到微云进行处理,能够有效地减少移动设备的能耗以及任务的完成时间。然而,用户在卸载任务时需要支付一定的通信成本。本文针对包含多个移动设备、多个异构微云和一个中心云的系统环境,建立了最小化移动设备的任务完成时间、能耗以及通信成本的数学模型。本文主要研究了异构多微云环境下的原子型应用和任务依赖型应用的任务调度问题。（1）构建了异构多微云系统下的任务调度模型。首先,对异构多微云系统的移动设备、微云、中心云、网络连接等进行了建模,给出了各个组成部分的定义。在此基础上,阐述了多微云系统下任务调度的一般流程。然后,介绍了原子型应用和任务依赖型应用的模型定义。最后,针对两种不同类型应用的任务,分别建立了其对应的时间计算模型、能耗计算模型以及成本计算模型。（2）针对原子型应用的任务,构建了同时优化移动设备的任务完成时间、能耗以及移动设备通信成本的数学模型。考虑系统对于不同目标的关注度不同,采用了线性加权的方式将该多目标优化问题转化成了单目标优化问题。然后,提出了一种改进多种群进化算法的任务调度算法,通过同时优化移动设备的卸载决策和计算资源分配决策来优化上述目标。最后,研究了不同微云设置和不同权重因子对算法收敛结果的影响。仿真实验结果表明,所提出的GA-PSO-CS算法相比于布谷鸟算法（CS）和基于精英保留的遗传算法（EGA）,具有更好的综合性能。（3）针对任务依赖型应用的任务,提出了同时优化移动设备能耗、通信成本的问题。首先,我们将它转换成了一种混合整数非线性规划问题。接下来,结合了轮询算法（Round-Robin）和拓扑排序算法对多个应用的任务进行了优先级排序,然后使用改进的多目标进化算法对任务的卸载位置和移动设备的处理频率进行决策。最后研究了不同微云配置和不同用户数量对算法性能的影响。仿真实验表明,提出的ISA算法的多样性和收敛性优于二代非支配排序遗传算法（NSGA-Ⅱ）和三代非支配排序遗传算法（NSGA-Ⅲ）。