由于云计算资源按照即付即用的方式交付,越来越多的用户愿意在云上提交和执行众包任务应用。对于云提供商来说,在按照用户指定的服务质量需求执行多个众包应用时,如果私有云无法承担所有应用的计算任务,则云提供商需要将某些任务外包至公有云。本文围绕混合云环境下的众包任务调度问题展开研究。针对众包应用的特点,本文综合考虑多用户质量服务需求以及应用截止时间约束,首先构建了密集计算应用场景下众包任务调度问题的数学优化模型。使用任务序列表示该调度问题的解,根据应用的截止时间约束确定任务的最晚开始时间,建立收益的数学表达式并作为调度模型的优化目标。此外,考虑计算和数据双密集的应用场景,进一步构建了面向计算和数据双密集型众包应用的任务调度模型。鉴于所研究的两个任务调度问题可描述为整数规划优化模型（通常是NP-难问题）,以遗传算法为代表的智能进化算法适用于求解此类问题。本文基于改进的遗传算法,分别设计了相应的任务调度算法求解上述两种场景下的众包任务调度问题。首先,针对计算密集型众包任务调度问题,提出了一种新的单点交叉算子,引入遗传过程中的当代最优解,并设计一种概率模型以挖掘隐藏在种群中的全局优良基因,不仅能够构造出高质量的子代个体,而且能够有效解决传统遗传算法容易陷入局部最优的问题;同时,设计了一种任务分配策略计算种群中个体的适应度值。其次,针对计算和数据双密集型众包任务调度问题,在上述单点交叉算子的基础之上,进一步提出了新型的双点交叉和多点交叉策略,并在调度算法中引入了初始解的生成策略,有效提升算法的寻优能力;同时,面向此计算和数据双密集型的应用场景,重新设计了一种任务分配和适应度值计算方法,实现了双密集型众包任务调度问题的有效求解。本文设计了仿真实验分别对上述两种应用场景下的众包任务调度算法的性能进行评估。实验结果表明,基于改进遗传算法的计算密集型众包任务调度算法能够在满足用户质量服务需求的基础上获得高质量的调度解。双密集型任务调度算法在考虑了数据量的情况下,能求得更加合理更高质量的调度结果。本文面向密集计算和数据驱动的混合云场景提出的一系列众包任务调度算法,对于最大化云供应商收益、保障混合云服务质量具有理论指导意义。