随着互联网的蓬勃发展,信息技术的广泛普及,云计算技术带给人们前所未有的网络服务体验。当前针对云计算的研究主要集中在云计算的模型架构、任务颗粒度﹑任务调度策略﹑容错机制和能耗优化等方面,如何对提交到云计算数据中心的任务集合进行合理调度及在任务执行时节约能耗,对该技术的发展具有非同寻常的意义,本文分别对任务调度策略和能耗优化两个方面进行了研究。云计算的虚拟化技术决定了其底层物理设备及数据中心的主机可以由异构化硬件环境组成,并且数据中心的规模有呈指数型增长的趋势,如何在大规模异构环境下对任务集合进行合理的资源分配是一个值得研究的课题,同时在执行任务的同时,如何使得所花费的能耗降到最低,也是一个研究热点。本文对云计算中的任务调度进行了研究,在分析云计算作业调度算法的需求的基础上,提出了调度算法在线性意义上的解空间,针对云计算的编程模型框架,提出了一种结合禁忌搜索的人工鱼群算法。该算法以任务总执行时间作为寻优函数,在网格化的解空间内运行,空间内的一个点代表一种解决方案,可以快速得出精确解,避免了基本人工鱼群算法不能获得精确解的缺陷。结合禁忌搜索思想,既保留了人工鱼群算法计算基数大仍能快速收敛的优点,又充分利用禁忌搜索不会陷入局部最优解的优势。其次,本文针对能耗优化的目标给出改进的AutoScale算法,该算法是在AutoScale算法基础上,引入最佳频率的思想,与AutoScale算法相比,该算法具有任务量与能耗比例最大化、在不增加额外能耗的情况下预留部分能力以应对突发负载的优点。最后针对上述的两种调度策略,设计了相应的仿真实验。实验结果表明,两度调度策略相比同类算法有着良好的性能表现。