随着计算机和互联网技术的迅猛发展,云计算作为一种商业化计算模式被许多互联网企业所关注。云计算规模的海量化发展,使得如何低成本的充分利用云计算虚拟资源,高效的处理大规模云任务成为云计算技术研究的重点问题之一。云计算任务调度算法的性能直接影响着云计算虚拟资源处理任务的效率和成本。目前,对云计算任务调度算法的研究仍存在许多不足,造成了云计算虚拟资源的浪费,导致云计算平台的性能降低,继续深入研究合理高效的云计算任务调度算法十分必要。为将用户提交的大量任务高效合理的分配给云计算资源,提出一种同时考虑时间和成本双目标的基于差分免疫的云计算任务调度算法——TMIDE。TMIDE算法将一般连续的求解问题通过合理的编码与解码方案映射到离散的云计算任务调度问题上,设计差分进化算法变异过程中的自适应变异因子F,以加快算法在迭代初期的收敛速度,且避免算法在迭代后期陷入局部最优解;由于云任务的数量非常大,为了增加算法的求解精度,在传统差分进化算法中引入免疫算法的疫苗接种机制,在算法迭代过程中根据疫苗接种概率给种群中的个体接种疫苗,从而增加种群中较优解的数量,提升算法的求解精度:为了避免种群在变异后产生的优秀个体被交叉操作破坏,生不必要的计算开销,造成计算资源浪费,引入交义判断机制,有效的提升了算法的运行效率;在求解的过程中,设计时间和成本双目标适应度值函数,为了平衡时间和成本的数量级,设计调整公式,使得获得的最优解可以同时考虑任务完成时间和任务完成成本两个因素。为验证TMIDE算法的性效性,在CloudSim云计算平台上进行仿真测试,设计性能验证方案,将TMIDE算法跟传统差分进化算法、遗传算法和Min-Min算法比较,统计实验结果并进行分析,表明TMIDE算法能在较短的时间内得到较优的任务调度序列,实现任务完成时间和任务完成成本间的平衡。