云平臺的任務(wù)調(diào)度算法是云計(jì)算領(lǐng)域研究的熱點(diǎn)。如何在滿足不陷入局部最優(yōu)解的同時有更快的收斂速度，一直是研究者追求的目標(biāo)之一。為此，本文提出將改進(jìn)隨機(jī)因子和慣性權(quán)重的增強(qiáng)型粒子群算法（EPSO）引入到遺傳算法（GA）變異操作中的增強(qiáng)型遺傳粒子群混合算法（GA_EPSO）。通過EPSO算法中的當(dāng)前最優(yōu)解和全局最優(yōu)解重構(gòu)變異算子，探索提升GA_EPSO算法在不陷入局部最優(yōu)解的條件下，有更快的收斂速度。仿真實(shí)驗(yàn)表明，相同條件下，與遺傳算法（GA），改進(jìn)后的遺傳算法（IGA），粒子群算法（PSO），增強(qiáng)型粒子群算法（EPSO）以及遺傳粒子群算法（GA_PSO）相比，本文提出的改進(jìn)算法不僅收斂速度快，而且任務(wù)調(diào)度效率也有明顯提升。

?

　　云計(jì)算作為當(dāng)今IT 界的熱點(diǎn)技術(shù)，從產(chǎn)生便受到各領(lǐng)域?qū)W者的廣泛關(guān)注，它擁有強(qiáng)大的處理能力，其中關(guān)鍵技術(shù)就是基于云計(jì)算任務(wù)調(diào)度算法的設(shè)計(jì)與應(yīng)用。如何合理地分配和利用云環(huán)境中的資源、有效地調(diào)度用戶提交的海量任務(wù)且保證云系統(tǒng)的負(fù)載均衡成為云計(jì)算研究的重點(diǎn)。探究在云計(jì)算環(huán)境中的優(yōu)秀調(diào)度算法已成為專家學(xué)者們研究的重點(diǎn)內(nèi)容之一。因此，具有簡單、通用、魯棒性強(qiáng)、適于并行處理等優(yōu)點(diǎn)的智能算法很快成了云計(jì)算任務(wù)調(diào)度領(lǐng)域的研究熱點(diǎn)，例如通過模擬自然界進(jìn)化過程，從而得到最優(yōu)解決方案的遺傳算法（GA）、粒子群算法（PSO）以及蟻群算法（ACO）等等，以求解最小化任務(wù)完成時間和代價(jià)的最優(yōu)解，但忽略了在進(jìn)行任務(wù)調(diào)度時，智能優(yōu)化算法本身缺點(diǎn)對調(diào)度工作的影響?；诖?，本文將提出一種混合優(yōu)化算法，算法的目標(biāo)除了確保任務(wù)完成時間最小化，還將改善任務(wù)調(diào)度算法存在的缺點(diǎn)。