云计算被认为是互联网技术的一次伟大的革新,随着信息化技术的不断发展,传统的任务处理模式已经无法满足人们的需求,云计算的出现是时代发展的必然趋势。云计算利用虚拟化技术将软件和硬件资源虚拟成一个庞大的共享资源池,通过网络以服务的方式供用户使用。云任务调度策略影响云系统的运行性能和调度效率,并且关系到用户和云服务商的利益问题,因此云任务调度是云计算的核心问题之一。目前采用启发式搜索算法对于云任务调度问题求解是研究的热点,本文旨在采用启发式算法针对云任务调度策略的单目标和多目标的优化问题分别进行研究,主要研究工作如下:（1）针对云计算任务调度完成时间的单目标问题,提出一种改进多元宇宙优化算法的云任务调度策略。首先对于云计算任务调度问题进行建模分析,其次对于宇宙的膨胀率进行归一化,执行轮盘赌选择操作,并且对多元宇宙算法在搜索方面的不足,利用混沌原理对行进距离率进行变异,保持种群多样性,均衡全局搜索和局部搜索,最后把质量较好的可行解进行存储,当作为迭代的输入,增强算法的收敛速度。（2）针对任务完成时间、任务完成成本和虚拟机的负载均衡的多目标优化问题,提出一种改进布谷鸟算法的多目标云任务调度策略。首先对于优化目标进行归一化处理,利用线性加权的方法转换为单目标优化,其次对于布谷鸟算法设置门限值进行种群的位置交流,使搜索过程减少一定的盲目性,最后让发现概率和移动步长变为自适应动态因子,提高搜寻精度和搜寻速度。（3）针对所提出的改进多元宇宙算法和改进布谷鸟算法的云任务调度策略分别在Cloud Sim平台上进行模拟。通过与其他传统算法和启发式算法对比,实验结果表明改进多元宇宙算法提高了算法的收敛速度,在云任务的完成时间和平均资源利用率方面有所改善;改进布谷鸟算法减少云任务完成时间和成本,同时均衡了虚拟机的负载。