融合分布式计算、并行计算、网络存储、虚拟化等技术,云计算实现了对传统计算机技术的颠覆性改进。不同于传统计算中数据的计算只能在本地或远程服务器上,云计算中数据的计算分布于大量的分布式计算机上,并且计算资源能够弹性分配,按需使用,云计算这一特性使其具备极大的商用价值,近年来发展极为迅猛。随着云计算应用领域的不断深入,如何利用现有资源对大量云任务进行合理分配,从而提高资源利用率和任务完成效率,节省时间,成为云计算研究领域的热点。本文通过研究如何对云任务进行高效调度,缩短云任务总的完成时间,在简单遗传算法(SGA)基础上进行了一系列改进。具体研究工作如下:(1)在选择操作中使用“三段式选择法”,引入平均适应度函数和随机适应度函数,增加优秀个体的存活率和种群的个体多样性,减少种群陷入局部最优解的概率,并引入交叉区域相似度与无性繁殖。(2)提出“总-分-总”的遗传策略,使种群的进化方向多样化,提升全局最优解的出现概率。(3)重定义交叉操作,引入“吞噬机制”,增加优秀个体的数量。通过对以上工作的实现,得到了IGA调度算法,并基于IGA调度算法得到了EIGA调度算法与PIGA调度算法。对比实验结果,IGA调度要更优于SGA调度,且EIGA调度与PIGA调度更优于IGA调度,三种改进算法均为云计算环境下有效的任务调度算法。