随着移动互联网的飞速发展,移动应用的数量和规模爆发式地增长。但是移动设备的资源有限,无法满足复杂应用对于资源的需求。借助移动云计算强大的资源,可以将部分任务转移到具有多个移动设备的异构环境中执行。因此本文对移动云计算的建模以及智能优化算法在其中的应用展开研究。针对移动云环境的特点,构建任务调度模型,使用有向无环图(Directed Acyclic Graph,DAG)表示应用的功能和内部逻辑。采用向上排序值作为任务选择执行时段的优先级,采用区间插入技术,确定任务的执行时段,建立了应用完工时间的数学表达,作为调度的优化目标。针对所构建的移动云环境任务调度模型提出了一种基于粒子群优化(Particle Swarm Optimization,PSO)策略的迭代局部搜索调度算法。当PSO搜索陷入局部最优时,设计邻位交换的扰动算子,使得搜索可以在解空间跳出局部最优。搜索和扰动交替进行确定了新的方向,提高算法求解性能。通过分析上述算法的特点,进一步提出了一种改进的迭代局部搜索调度算法。使用成本更低、计算效率更高的模拟退火(Simulated Annealing,SA)算法代替PSO算法,同时采用了一般交换的扰动算子代替邻位交换,提升了调度算法的全局搜索能力,增加搜索区域的数量,能够找到更多局部最优解。本文所实现的ILS-PSO算法和ILS-SA算法,能够使得搜索不易于陷入局部最优,具有比较快的收敛特性,提升了求解的性能和效率。基于上述研究成果,研发了一款可视化移动云计算仿真系统,支持自定义DAG任务图和移动环境,选择调度策略进行调度决策后,可视化展示仿真结果。