由于互联网的普及以及信息科技的高速发展,云计算产业也迅速发展,其典型特征是“按需服务,按量付费”。要保证服务质量,任务调度是关键。一个调度策略的好坏直接影响用户满意程度,任务完成时间和系统的资源利用率。然而,由于云计算系统中用户的QoS(Quality of Service)需求各异,计算节点资源异构,任务数量庞大,使得任务调度问题变得异常复杂。为解决云计算任务调度问题,出现了很多调度模型。传统的任务调度模型更加关注负载均衡、最优跨度等方面效率,针对用户对任务截止完成时间和任务期望完成成本的QoS需求考虑较少,而云计算作为一种商业模式,保障用户QoS需求非常重要。因此,本文从智能优化算法和调度模型入手,综合考虑用户对任务截止完成时间和任务期望完成成本的QoS需求和任务完成时间,以减少任务完成时间和提高用户满意度。本文首先研究云计算中任务调度模型及现有任务调度中存在的问题。其次结合用户的QoS需求——任务截止完成时间和任务期望完成成本,分别建立隶属度函数来量化用户需求。最后根据调度目标对目标函数进行定义和约束。为实现调度目标,结合改进差分进化算法进行结果寻优。为降低任务完成时间,提高算法效率,算法初始化2*NP个体,引入快速排序算法筛选前NP适应度值较高个体作为初始化种群。变异过程中在标准变异策略基础上引入变异策略EbestD1//,将两种策略融合于算法迭代过程中,以加快算法收敛速度。为便于评价本文调度策略有效性,进一步研究了本文调度算法的参数组合选取策略,并给出了建议选取值。最后,在Cloud Sim实验平台上进行了仿真实验。仿真实验结果表明,本文提出的调度策略可以提高算法的收敛速度,减少任务完成时间以及提高用户满意度。