任务调度问题是云计算理论研究中的经典问题,也是研究的热点问题。任务调度的结果关系着云计算的服务质量,影响着用户的使用体验。目前,采用启发式优化算法解决任务调度问题是研究的热点,其中,粒子群算法在求解任务调度问题时表现优异,本文将对粒子群算法优化任务调度策略展开研究。传统粒子群算法在求解云计算多目标任务调度时存在收敛过早、收敛精度低的缺陷。本文通过优化传统的粒子群算法进,提出一种改进的粒子群算法(BIPSO),测试验证得出算法性能优越,将改进后的粒子群算法引入到云计算多目标任务调度中,提出了一种优化粒子群算法的多目标任务调度策略(MOTS-PSO)。本文对粒子群算法的改进以及将改进后的算法应用到云计算任务调度中,并实现多目标任务调度优化的总体工作内容为:1.引入动态自适应惯性权重策略和动态学习因子策略,动态调节粒子的飞行步长,提高粒子的寻优能力,避免算法寻优后期陷入局部最优解。2.引入花朵授粉算法概率更新机制,平衡粒子群算法的全局搜索和局部搜索,并优化改进粒子的全局搜索位置更新公式,提高算法的收敛精度。3.引入萤火虫算法产生“精英解”,结合“精英解”改进局部搜索位置更新公式,帮助算法跳出局部最优解的陷阱中,提高算法的收敛精度,同时,监测粒子群算法最优解连续不发生变化的迭代次数,引入“精英解”对粒子的位置进行扰动,帮助粒子跳出局部最优。4.引入新的边界处理机制,优化越界粒子的位置,解决越界粒子无法靠近最优解的问题,提高算法的寻优效率。5.将改进后的粒子群算法应用到云计算多目标任务调度中,并通过Cloud Sim平台仿真实验表明,改进后的粒子群算法在解决不同规模任务调度问题时,性能优良。