針對傳統(tǒng)算法處理云環(huán)境中任務調(diào)度時出現(xiàn)的尋優(yōu)性能差以及尋優(yōu)方案不能滿足用戶多樣性需求的問題，在考慮任務完成時間、完成成本以及資源閑置率3個優(yōu)化目標的情況下，文中通過模擬啟發(fā)弌算法調(diào)度過程（初始化—適應度評估一任務調(diào)度—選擇），建構了一種層次評估和動態(tài)選擇模型（ Hierarchy Evaluation and Dynamic Selection Model， HEDSM）。在初始化階段，利用傳統(tǒng)的表調(diào)度算法（ Heterogeneous Earliest Finish Time，HEFT）對工作流任務模型進行預處理，保證任務具有定的優(yōu)先級。在適應度評估階段，從云用戶和云服務提供商兩個層次構建不同的方案評估模型來同時滿足兩方面的需求。在任務調(diào)度階段，設置兩步調(diào)度：1）設置策略集，對任務進行預調(diào)度，保證生成的預調(diào)度方案繼承各個策略的調(diào)度優(yōu)勢;2）設置任務遷移策略，對預調(diào)度方案進行處理，以此提升算法的尋優(yōu)性能。在選擇階段，根據(jù)不冋的評估模型在方案集中選擇合適的調(diào)度方案。實驗利用 Workflow Sim仿真平臺，采用科學工作流實例進行實驗，將傳統(tǒng)的 Min-min， Max-mir，F(xiàn)CFS調(diào)度策略以及目前存在的 Imax- Min和 Around_ Robin調(diào)度策略作為對比算法，從用戶多樣性需求和策略改進比（ Improve Ratio of Strategy，IROS兩個方面評估算法的調(diào)度性能。結果證明，所提算法在保證負載均衡的基礎上，縮短了完成時間并降低了完成成本，更適用于復雜多變的云環(huán)境下的任務調(diào)度。