云计算是分布式计算、并行计算、网格计算、虚拟化、负载均衡、网络存储等传统计算机技术和网络技术融合的产物,是基于网络的新兴技术。云计算的资源池由大量性能不同的资源节点构成,随着用户需求的不断增长,如何将大规模任务分配到有限的资源节点,提升用户满意度,实现负载均衡,是云计算需要研究的重要问题。高效的任务调度,是有效发挥云计算潜力的重要步骤。在云计算中,一些任务需要被分配到不同的虚拟机上,以提高系统利用率和最小化完工时间。任务调度问题是NP完全问题,因此找到一个确切的解决方案是棘手的,特别是对于大规模的任务。为此本文提出了一种基于适应度的动态更新惯性权重的粒子群优化算法,并对粒子群算法中的粒子进行重新编码,使其离散化,将改进后的算法运用到云计算任务调度问题当中。本文随后还详细介绍了云仿真工具CloudSim,并配置了实验环境。在仿真平台上,对离散粒子群算法(Discrete Particle Swarm Optimization,DPSO)以及改进的DPSO进行了仿真实验。通过与DPSO算法、贪心策略、顺序调度法对比仿真结果表明,在云计算任务调度问题中,少量的任务调度,本文的改进算法并不优于其他分配算法,逐步增加任务量后,发现规模越大,DPSO收敛速度越快,相比其他调度算法的优势越明显。对其仿真,表明算法用于任务调度问题是可行且有效的,尤其是对于海量任务。