在云计算中,任务调度算法是服务供应商降低运行成本,提高服务质量的关键因素之一。如何使用调度算法高效地分配计算资源,使完成所有任务的时间最少,成本最低,是云计算研究中的一个重要问题。目前大多数利用改进的遗传算法来进行云计算任务调度的改进方式虽然有效,但是仍然有很大的改进空间,能够更进一步地提升云计算任务调度的效率。所以本文通过对遗传算法的进一步改进,在如何提高云计算任务调度的效率,缩短任务完成时间,降低成本等方面进行了研究。本文针对遗传算法具体的改进如下:1.遗传算法的二进制编码存在着连续函数离散化时的映射误差,尤其是当个体染色体编码长度较短时,可能会达不到相应的精度要求;而当个体染色体编码过长时,会使得算法的搜索空间急剧增加,使整个遗传算法的性能降低。针对二进制编码方式的这个不足,本文提出了两种编码方式混合使用的方法,既在二进制编码染色体最优长度范围内使用二进制编码,超出范围则使用浮点数编码的方式。2.由于自适应遗传算法在进化初期,交叉和变异概率过低,容易导致算法陷入局部最优。针对这个不足,通过在交叉概率中增加一个与进化代数相关的参数k~n,降低了算法陷入局部最优的概率。将改进的遗传算法对云计算的任务调度进行了优化,并进行了对比实验。实验结果表明,改进算法在总任务完成时间上和负载均衡上优于自适应遗传算法(AGA)和简单遗传算法(SGA)。与双适应度遗传算法(DFGA)相比,尽管在任务完成总时间上略显不足,但在负载均衡上更优。