【摘要】大数据分析即服务（Big Data Analytics-as-a-Service， BDAaaS）是基于云平台提供数据分析服务的新型业务模式，很多企业基于其业务特点愿意牺牲精确度换取更快且费用更低的查询结果，对此，BDAaaS可用数据分割等技术提供近似查询服务。用户对近似查询服务的响应速度要求高，这导致服务水平协议（Service Agreement Level， SLA）中对服务响应的约束也更严格，BDAaaS面临更大的违约赔付风险。在服务响应速度要求高、计算资源有限、部分子任务具备顺序依赖关系的前提下，对于近似查询服务中的云任务调度问题，首先构建了面向收益优化的近似查询任务调度模型。其次，为解决模型中不同子任务的顺序依赖难题，提出了一种基于遗传算法与强化学习相融合的优化算法；该算法利用遗传算法求解带依赖关系的组合优化问题，强化学习在求解过程中动态调整遗传算法的关键参数，用于在SLA赔付风险下保证调度效率与质量。最后，以仿真实验模拟不同场景来验证所提算法的求解效果与性能，结果表明该算法可在计算资源有限的条件下，获得SLA违约率更低且收益更高的任务调度方案，从而确保用户满意度和BDAaaS运营商的收益水平。