云计算按需提供资源和动态可扩展的特性使计算能力能够成为互联网商品,并向缺乏计算资源的用户提供计算服务。近年来,许多企业用户选择将大量应用程序部署到多云系统中。对于一些敏感型任务,重要的是要保证其安全性和可靠性。在云计算中任务调度是核心问题,在多云环境下如何在满足不同用户对资源不同需求的情况下将用户任务合理分配到虚拟资源上进行处理是需要解决的问题。因为这不仅影响到用户的租用体验,而且对云服务提供商的资源提供能力、服务器负载均衡能力、运营成本控制能力都有重大影响。本文分别对多云系统中的独立任务调度和工作流任务调度问题进行了研究,并提出了新的调度方案。本文主要工作如下:(1)针对独立任务的调度工作优化目标为:在可靠性和安全性约束下优化多云环境的任务调度执行时间和成本。首先,在信任方面,提出了用户任务和资源之间的匹配策略,以尽可能为用户提供匹配的资源,满足用户对资源性能、安全性和可靠性偏好需求。然后,根据先前的匹配结果,迭代地执行多轮再分配,通过最小化预估完工时间的方差值来优化已提交任务的总执行时间和总成本。在云资源调度仿真工具Cloud Sim中实现了本文提出的MMA算法,改进的布谷鸟搜索(MCS)算法,混合混沌粒子搜索(HCPS)算法,改进的人工蜂群算法(MABC),Max-Min和Min-Min算法进行仿真。仿真实验结果表明,该方法实现了更短的完工时间、更低的执行成本、更高的资源利用率、更短的完工时间与执行成本的平衡和更加稳定高效。(2)针对工作流任务的调度工作优化目标为:在可靠性和成本预算约束下优化多云环境下整个工作流调度的执行时间。首先,对工作流进行预处理并根据工作流的结构将其DAG图划分为有序层,使得同一层的任务相互之间是独立的。然后,为每一层分配可靠性和成本预算,并且在每一层中根据任务的最早完成时间进行优先级排序。最后,为每一层的任务依次选择符合可靠性和成本预算且使得两者之间平衡函数值最小的虚拟资源。本文提出的LPS算法与MCS算法、HCPS算法和MABC进行了试验对比分析,仿真实验结果表明,该算法能够更加灵活地根据用户的预算为用户选择虚拟机资源进行调度。