针对云计算环境中一些基于服务质量(Quality of Service,QoS)调度算法存在寻优速度慢、调度成本与用户满意度不均衡的问题，提出了一种基于聚类和改进共生演算法的云任务调度策略。首先将任务和资源进行模糊聚类并对资源进行重排序放置，依据属性相似度对任务进行指导分配，减小对资源的选择范围；然后依据交叉和旋转学习机制改进共生演算法，提升算法的搜索能力；最后通过加权求和方式构造驱动模型，均衡调度代价与系统性能间关系。通过不同任务量的云任务调度仿真实验，表明本文算法相比改进遗传算法、混合粒子

在云计算中,系统规模和虚拟机迁移数量都是十分庞大的,需要高效的调度策略对其进行优化。将云计算的任务分配抽象为背包求解问题,可通过遗传算法进行求解。传统的遗传算法具有局部搜索能力差以及早熟现象的缺点,采用遗传和贪婪相结合的混合遗传算法。针对混合遗传算法在资源利用率与能源消耗的收敛速度较慢问题,通过改进适应度函数,改变了适应度函数在不同染色体间的差异度,从而提高了染色体在选择算子中的择优性能。仿真结果表明,该方法能够有效提高混合遗传算法在云计算资源优化中的收敛速度。