云计算是计算科学正在经历的一场革命。云计算以服务的方式为用户提供所需要的资源。用户通过网络连接,以按需访问、按量付费方式,使用云平台上所提供的资源。在支撑云计算服务的多种技术中,任务调度是控制资源、提高系统稳定性的关键技术,对服务质量起至关重要的作用。现有的云环境下工作流任务调度算法,通常侧重于满足用户的服务基础的同时,提高系统负载能力,降低任务的完成时间和计算成本等。目前,已有很多学者专家,针对该问题进行了许多研究。本文则从算法模拟的角度,使用贝叶斯模型对已有的算法的调度结果进行学习,进而得到新的调度策略。贝叶斯模型的优点在于,它不同于一般的统计方法,它不仅利用模型信息和数据信息,而且充分利用了先验信息,具有较好的预测效果。本文对云计算任务调度算法以及调度模型进行分析,基于贝叶斯模型主要做了如下研究:1.提出基于朴素贝叶斯的云计算任务调度算法。在云计算任务调度场景下,将任务到设备的映射过程,抽象为一个分类过程。从已有的调度结果选取特征值,构建数据集,使用机器学习中的朴素贝叶斯分类器,对传统算法的调度结果进行学习,实现对传统算法的模拟,进而形成新的调度策略,以解决云计算环境下任务调度问题。2.提出基于贝叶斯网络的云计算任务调度算法。该方法通过增强数据集属性间的依赖关系,考虑前后任务调度结果的影响因素,提高了对传统算法调度结果的学习能力,得到新的调度策略。与基于朴素贝叶斯的云计算任务调度算法相比,该调度策略可以更好地解决云计算环境下的任务调度问题。3.设计了一种基于设备状态反馈的贝叶斯任务调度算法。该算法通过设备负载状态的反馈和动态优先级,来降低设备冲突,设计了基于设备反馈多任务协同调度算法,并使用了贝叶斯模型进行模拟,实现了基于贝叶斯的任务调度算法。