رایانش ابری مفهومی است که اخیرا در دنیای فناوری اطلاعات معرفی شده که محیطی را برای به اشتراک گذاری منابع فراهم می نماید. در محیط رایانش ابری یک سیستم زمانبندی کارا و موثر، نقش کلیدی دارد و در میزان موفقیت آن محیط بسیار تعیین کننده می باشد. از این رو مساله زمان بندی وظایف در رایانش ابری، مساله ای بسیار مهمی محسوب می شود که سعی دارد یک زمان بندی بهینه برای اجرای وظایف و تخصیص منبع بهینه مشخص نماید. این پژوهش با هدف ارایه رویکردی جدید برای بهینه سازی زمان بندی وظایف براساس ترکیبی از الگوریتم تطبیقی پویا و الگوریتم ژنتیک در محیط رایانش ابری انجام گرفته است. مدل ترکیبی، با هدف پوشش دادن نقاط ضعف دو الگوریتم ژنتیک و زمان بندی تطبیقی پویا، ارایه شد که به موجب آن ضعف الگوریتم ژنتیک یعنی سرعت عمل پایین، با ایجاد یک راه حل اولیه مناسب برطرف گردید و همچنین ضعف الگوریتم زمان بندی تطبیقی پویا که همانا به دام افتادن در جواب های محلی است، با استفاده از الگوریتم بهینه سازی تکاملی پوشش داده شد. در مدل پیشنهادی نخست الگوریتم تطبیقی پویا با تکنیک جستجوی منابع مورد نیاز به کمک درخت کی دی و بازیابی داده ها به صورت موازی توانسته است در زمان بسیار خوبی جواب مناسبی برای مساله ی زمان بندی پیدا کند، که به عنوان جواب اولیه به الگوریتم ژنتیک سپرده شد و الگوریتم ژنتیک نیز به جستجوی بهینه می پردازد. در نتیجه الگوریتم نهایی حاصل از ترکیب این دو، توازن بار بهتری برای منابع ابری در مدت زمان نسبتا قابل قبول ارایه می دهد.