物联网应用的快速发展,以及智能联网设备远离云计算中心,当前仅基于云计算的框架面临挑战,从而加快了基于云计算与雾计算协作的新型计算框架的产生。雾计算有助于降低传输延迟,提供满意的延迟服务以支持需要近乎实时响应的延迟敏感的应用,而云计算则满足大规模计算密集型应用程序的需求。因此,云雾计算合作是具有前景的框架,它可以有效地满足物联网的数据处理和通信需求。但随着数据中心规模的不断扩大和智能终端用户的激增,如何在满足用户近乎实时处理需求的同时又降低处理资源的能量损耗,这是在云雾计算框架下任务调度亟待解决的问题。因此,如何制定恰当的任务调度策略,对于满足物联网应用的实时需求、降低云雾资源的能耗具有重要的意义。本课题主要针对任务截止时间和能耗方面,分别对云雾计算框架下的彼此独立的任务和存在优先级约束的关联任务的调度问题进行研究。（1）考虑到云计算、雾计算各有优势,为了协同利用云雾资源,本文描述了云雾计算框架的系统架构并详细介绍了任务调度模型。根据云雾资源的不同特点,建立能耗计算模型。（2）针对云雾计算框架下独立任务的调度问题,综合考虑任务截止时间和降低处理所有任务的总能耗,提出了基于蚁群算法的任务调度策略。与其他算法对比,实验结果表明本文提出的算法可以在满足任务截止期限的同时降低处理任务的总能耗。（3）针对物联网应用中存在优先级约束的复杂任务调度问题,提出了基于松弛度优先级与蚁群系统结合的任务调度策略。在计算任务优先级时,考虑任务截止时间的限制,采用基于松弛度的优先级算法,构造出优先级合理的任务调度序列,从而增强对任务时延的敏感度;同时为了最大限度的降低任务执行的总能耗,采用基于蚁群系统的约束优化算法,从而获取全局中近似最优的调度方案。与其他算法对比,实验结果显示本文提出的算法有效降低了处理任务的总能耗,同时保证合理的调度长度,降低了具有混合截止时间限制的关联任务调度的失败率。