随着大数据时代的全面到来,云计算逐渐取代私有数据中心方式成为一种企业中最为广泛的技术应用。云计算是一种虚拟化的服务,用户无需知道云计算服务供应商提供服务的具体位置,只需要按照自己的需求进行付费,即可获得相应的服务。但是,随着云计算服务用户需求日渐复杂,单一功能的云服务已经难以满足用户的多样化需求,混合云的出现解决了这一难题。混合云通常由私有云和公有云构成,用户可以根据不同的需求,选择不同的云来执行任务。由于每种云的价格、资源配置都不尽相同,混合云下如何选择合适的方案进行任务调度成为了一个重要的研究问题。然而,混合云中包含多种资源配置,需要考虑诸多因素,现有研究中大多局限于单一的目标,无法对混合云下的任务调度场景进行准确的刻画。因此,本文考虑到现实云计算资源使用情况,针对混合云场景下的任务调度问题进行多目标研究。云计算中任务调度通常有两种模式,一种是传统的基于虚拟机的调度策略,另一种则是基于容器调度策略。与传统的虚拟机相比,容器具有启动快、轻量级等特点,部署在容器中的任务执行完毕后可以立即释放资源,以便于下一个部署任务的容器继续执行。基于上述优点,混合云中基于容器的任务调度模式受到了广泛的欢迎。本文研究主要从混合云中任务调度问题出发,采用基于容器的调度模式,将租用虚拟机的成本、任务执行过程中产生的延迟和任务的可靠性三个因素作为优化目标。利用NSGA-Ⅱ算法分别将基于容器的任务调度模式和基于虚拟的任务调度模式进行对比。实验结果表明,在混合云场景中,基于容器的任务调度模式要优于基于虚拟机的任务调度模式。除此之外,本文提出了一种基于时间窗的混合云下容器弹性调度策略,分别从混合云集群的垂直伸缩、水平伸缩、虚拟机租用的时间窗进行考量,对微服务任务调度,进而探索不同规模下的微服务任务如何设置合理的虚拟机租用时间窗。由于NSGA-Ⅱ算法本身的交叉、变异概率为定值,很容易陷入局部最优。因此,本文采用了一种基于动态变化的自适应交叉、变异概率的方式,该在迭代过程中,不断比较个体拥挤度与种群平均拥挤度,从而控制进行交叉、变异的方向,避免算法陷入局部最优。将改进后的NSGA-Ⅱ算法与NSGA-Ⅱ算法和MOEAD算法在相同条件下进行实验,实验结果表明,改进后的NSGA-Ⅱ算法的性能得到了明显的提升。