移动云计算作为云计算技术的一个分支，是通过移动通信网络实现云计算技术的一种应用方式，它将传统云计算的计算和存储资源以网络化的方式提供给移动设备用户，满足用户在移动过程中对数据处理和存储的需求。然而，移动云计算中移动设备的资源有限，如电池容量、计算速度、存储容量均受限制，且通信受限。因此，在资源受限的环境中，如何有效调度复杂的任务以满足应用的性能需求，是移动云计算领域面临的一个重要挑战。
任务调度是移动云计算中的关键问题，它涉及将一个复杂应用分解成多个子任务，并将这些子任务分配给移动设备网络中的各个节点去执行，以期达到提高计算效率、节约能源、保证服务质量的目的。其中，有向无环图（DAG）是表示任务调度的常用模型，每个节点代表一个子任务，节点之间的有向边代表子任务之间的依赖关系。
为了提升移动云计算环境下的任务调度效率和质量，研究者们提出了各种调度策略和算法。其中，粒子群优化（PSO）算法是一种群体智能算法，借鉴了鸟群和鱼群的捕食行为。PSO算法中的每个粒子代表了问题空间中的一个潜在解，所有粒子均通过跟踪个体历史最优解和群体历史最优解来更新自己的位置和速度。PSO算法由于其简单、易于实现和参数少等优点，在任务调度问题中得到了广泛的应用。
然而，单纯使用PSO算法容易陷入局部最优解，从而无法保证找到全局最优解。因此，为了改善PSO算法在求解复杂优化问题时的性能，引入了迭代局部搜索（ILS）策略。ILS是一种基于局部搜索的元启发式算法，能够从当前解出发，通过迭代方式探索解空间的邻域结构，以期找到更好的解。ILS与PSO结合后，可以在保持全局搜索的同时强化局部搜索，从而平衡全局和局部搜索以获得更加优秀的调度策略。
此外，移动设备由于其有限的资源，在移动云计算中进行任务调度时还必须考虑电池容量的限制。因此，移动设备的任务调度还需要在满足电池容量限制的条件下进行优化，以保证移动设备的正常运行不受影响。
本研究提出的基于迭代局部搜索粒子群优化（ILS-PSO）算法针对移动云计算环境下DAG图的任务调度问题进行研究与应用。通过将复杂应用分解成多个不相交的集合，分配给移动设备并行执行，不仅满足了移动设备电池容量的约束，还利用PSO算法求解最优调度方案，并结合ILS策略保证了全局和局部搜索的平衡。
这项研究涉及的知识点包括：移动云计算概念、任务调度、DAG图模型、粒子群优化（PSO）算法、迭代局部搜索（ILS）策略以及在资源受限环境下的任务调度方法。这些知识点在提升移动云计算环境下任务调度的效率和质量方面，具有重要的理论意义和应用价值。通过本研究，可以更好地理解移动云计算的特点和挑战，以及如何有效地利用现有资源，优化计算和存储资源的配置，达到节能和提升服务质量的目的。
