现有的云计算调度类的算法,多是针对于组合类的优化NP(Non-Deterministic Polynomial Problems)的难题,比如FIFO(First In First Out),公平调度,容量调度等。此类调度算法都很难完全满足实际应用,因为它们都有着自身难以弥补的缺陷,慢慢的一些新的算法便就此出现了,新的算法一方面改善了传统算法的一些缺陷,但像比如遗传算法、粒子群算法、蚁群算法等优化算法仍然存在不足之处,还需进一步优化。差分进化算法(Differential Evolution Algorithm,DE)便是在此背景下被引入了,它是一种具有高效性、全局性的算法;差分进化算法,其基础是群,以群为基础的启发性的搜索算法,群中的任一个体都是一个可行性的解。且DE算法在种群进化的过程中,会依次经过变异、交叉、选择操作,这与遗传算法相似;但不同的是其中变异操作、交叉操作、选择操作的定义不同;DE算法在另一方面来看也是一种模拟生物进化算法,它会不断的进化迭代,最后保留着能够适应环境生存的优良个体。比遗传算法更占优势的是,DE算法是基于种群的启发性搜索算法,利用实数进行编码,以一种一对一的生存策略方式和较为简单的变异突变来降低遗传的复杂性,其适应于求解复杂环境中的优化问题;目前为止,差分进化算法已在信号处理领域、食品安全领域、机器人领域等应用中取得了良好的效果。对于本次课题而言,研究方向主要是从DE算法的基础理论开始,首先对于它的整个基本流程进行分析,对其各类重要的参数进行设置限制的因素,如初始种群个体数NP,个体维数D,最大群体迭代次数G,当前迭代次数t,变异因子F,交叉因子CR,适应度选择等。其次,对DE算法进行大量的实验,找到DE算法的不足之处:当种群规模较大时,种群收敛非常缓慢;当种群规模较小时,易得到局部最优个体,然后根据其存在的缺点,提出新的改进算法:改变变异因子、交叉因子的取值范围,且提出分离化差分进化算法,实验结果表示,改进后的分离化进化算法对于问题的解决起着很大的作用。本课题旨在对DE算法进行验证并改进,由此将其引入云计算仿真环境CloudSim中,以此来模拟云计算任务调度过程,最终通过实验来对改进后的算法进行性能验证,来证明改进后算法在云计算任务调度的作用。