作为目前主流的信息技术,云计算利用了虚拟化的技术,把互联网上闲散资源设备整合起来形成资源池。为了让用户得到更好的服务,根据用户的需求,将数据、任务动态地进行分配,即通过互联网把庞杂网络上的任务、应用程序,拆成许多小任务、小程序,经过若干服务器形成庞大的系统。通过该系统计算、搜索、分析后,把所得结果返回给用户或者需求者。云计算本质就是将互联网上闲散的资源、设备进行整合,最终实现实时动态的共享。那么,如何有效且高效地对资源、设备、数据信息及应用任务进程进行调度,就成为了云计算研究中的重要课题。而且,资源调度方案设计仍然是当前云计算研究当中的重难点。在云计算环境下的资源调度,大量历史研究中采取了如下两种方法:1.当有的资源设备上空闲了很多资源,就可以给这些设备分配一定数量的任务;2.当有些资源设备对有些任务需求较多,可以优先分配给这些资源。但是这些调度分配方案比较单一,要么仅考虑完成时间,要么仅考虑负载,无法满足当前用户的服务需求。综上,本文重点就是设计一种能够同时保证速度和负载平衡的资源调度方案。本研究改进了混合蛙跳算法并将其运用在云计算环境下的资源调度中。针对混合蛙跳算法在云计算资源调度中存在初始化随机性大、局部搜索盲目,更新步长公式单一,收敛速度较慢,容易产生局部最优,全局混洗中缺乏群组之间交流等问题,该改进算法做了三方面工作。首先,通过运用SY-MM算法和随机生成方式结合的方法对种群进行初始化,生成适应度较好的青蛙种群并且保持了种群多样性;然后对传统混合蛙跳算法局部搜索中步长公式进行了改进,通过对每个青蛙个体引入权重,使得青蛙个体能够自适应的去更新步长,从而提升了局部搜索能力,加快了算法的收敛速度,提高了局部搜索精度;最后,结合遗传算法对染色体交叉互换、染色体进行单点顺序交叉操作的有关思想,促进了青蛙种群组之间的信息交流,得到了适应度更高的子代个体,有效得避免了局部最优解的产生。为了对该改进算法在云计算环境下资源调度中的可行性和有效性进行验证,本研究是基于Cloud Sim仿真模拟器进行仿真模拟实验,将本算法与原始蛙跳算法、遗传算法和粒子群算法在初始化程度、时间和负载三个方面进行了比较分析。结果表明,该算法具有更好的性能,即能够有效缩短云计算环境下资源调度的完成时间,且各个资源的负载可以保持相对平衡。