云计算是一种通过网络互联的方式将成千上万的物理机资源以复杂的手段联接在一起,将所有的应用程序和数据文件存放在云端,从而为用户提供服务的新模式。作为新兴的分布式系统,遵循着“按需付费”的商业模式。从用户层面来看,用户更关切提交到云平台上的任务从提交到执行完毕返回结果的总时间,从云平台服务提供商的角度看,合理调度用户提交的任务从而可以充分利用云平台上的可用资源和保证用户服务质量之间相互制约,寻求两者的平衡是云提供商们更关切的问题。本文通过提出两种算法分别解决上述两个问题。针对任务到虚拟机的映射问题,本文提出了基于蚁群的负载均衡任务调度算法,该算法的目标是通过对云环境下的虚拟机进行负载均衡从而最大化任务产出。针对蚁群算法初始信息素匮乏的缺点,引入MIN-MIN的调度思想进行信息素的初始化,以解决搜索时间过长的问题。其次通过引入LBF负载均衡因子,加之全局和局部信息素的协调更新,使得蚁群在搜索解空间时可以实时的根据上一轮迭代负载,通过信息素更新机制影响下一轮的选择决策。算法后期引入挥发系数的调整机制,以提高算法全局搜索能力。本文对该算法和近些年新提出的任务调度算法以及常用的调度算法做了大量实验对比。实验结果表明本算法在总任务执行时间,任务队列排队响应时间,以及云环境下虚拟机负载均衡度几个方面相较其他算法都有显著的优势。针对虚拟机到物理机的映射问题,本文提出了基于改进蚁群系统的虚拟机迁移算法。一方面,通过多维度权衡的目标函数来规范和优化蚁群搜索过程,引入负载预测机制来构建迁移队列,并构建了独立的分布式监控系统来收集和处理云平台的负载信息,用以触发和执行迁移策略。另一方面,引入搜索随机变量和搜索滑动窗口机制,提高了算法在对解空间搜索的效率和质量。最后从两个维度上完成资源的调度和任务的分配,避免了很多算法只关注一个维度而造成的调度结果的片面性。本文对该算法和常用的虚拟机加固和迁移算法做了大量实验对比。实验结果表明本算法在总资源消耗,SLA服务层级水平以及虚拟机总迁移次数几个方面相较其他算法都有显著的优势。实验结果表明,通过两个层次的调度算法地良性互动,本文算法极大提高了云平台的工作效率,在用户任务响应速度,完成时间以及能源消耗等几个方面,本文算法相较于其他算法权衡性更好,有着不错的表现。