سیستم محاسبات ابری یک نوع سیستم موازی توزیع شده می¬باشد که از زمان ظهورش مورد مقبول مردم قرار گرفته است در این نوع سیستم کاربران براساس نیازشان و بدون اینکه بدانند سرویسی کجا قرار دارد و چگونه تحویل داده می¬شود قادرند به سرویس¬های موجود دسترسی داشته باشند و تنها هزینه سرویس استفاده شده را بپردازند. همانند سیستم¬های دیگر، در سیستم محاسبات ابری نیز چالش¬هایی وجود دارد، بخاطر وجود کاربران زیاد و سرویس¬های متنوعی که در این سیستم وجود دارد، می¬توان گفت که مسئله زمانبندی و به طبع آن مصرف انرژی از چالش¬های مهم این سیستم می¬باشند. بنابراین باید به شیوه مناسبی منابع در اختیار کاربران قرار گیرد که هم هزینه ارائه دهنده و هم هزینه مصرف کننده و هم مصرف انرژی کمترین مقدار ممکن باشد و این مورد نیازمند استفاده از الگوریتم زمانبندی بهینته می¬باشد. در این تحقیق یک روش ترکیبی دو مرحله¬ایی برای زمانبندی وظایف آگاه از انرژی و زمان بنام tets بر اساس الگوریتم ژنتیک ارائه نموده¬ایم که مرحله اول شامل اولویت¬بندی وظایف و مرحله دوم شامل تخصیص وظایف به پردازنده می¬باشد و از سه روش اولویت¬دهی برای اولویت¬بندی وظایف و تولید کرومزوم¬های اولیه استفاده کردیم و از مدل ecs که مدلی آگاه از انرژی است برای تخصیص کارها به پردازنده استفاه نمودیم. نتایج شبیه¬سازی نشان می¬دهد که روش پیشنهادی نسبت به روش¬های قبلی از نظر مصرف انرژی دارای بهبود 20 درصدی و از نظر مدت زمانبندی دارای بهبود 4 درصدی است.