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

?

　　云計算作為當今IT 界的熱點技術，從產生便受到各領域學者的廣泛關注，它擁有強大的處理能力，其中關鍵技術就是基于云計算任務調度算法的設計與應用。如何合理地分配和利用云環境中的資源、有效地調度用戶提交的海量任務且保證云系統的負載均衡成為云計算研究的重點。探究在云計算環境中的優秀調度算法已成為專家學者們研究的重點內容之一。因此，具有簡單、通用、魯棒性強、適于并行處理等優點的智能算法很快成了云計算任務調度領域的研究熱點，例如通過模擬自然界進化過程，從而得到最優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，以求解最小化任務完成時間和代價的最優解，但忽略了在進行任務調度時，智能優化算法本身缺點對調度工作的影響。基于此，本文將提出一種混合優化算法，算法的目標除了確保任務完成時間最小化，還將改善任務調度算法存在的缺點。