محاسبات ابری بعنوان آخرین مدل محاسباتی، شامل برنامه های کاربردی، داده ها و سرویس های it می باشند که از طریق سازمان هایی که از نظر جغرافیایی در دنیا پراکنده و پویا هستند ارائه و گسترش داده شده اند. چگونگی بهبود توان جهانی و استفاده از منابع محاسباتی ابر بطور ماهرانه و موثر و بدست آوردن حداکثر سود از طریق سیستم زمانبندی وظایف، یکی از اهداف نهایی تامین کنندگان سرویس محاسبات ابری می باشد. تکنولوژی های جدید بر این باورند که محاسبات ابری روش دستیابی ما را به فناوری تغییر خواهند داد. در این میان مسئله زمانبندی وظایف و مدیریت منبع به بهره وری از تمام امکانات محاسبات ابری مربوط می باشد. این وظایف بر روی گره های خوشه بصورت موازی پردازش می شوند. الگوریتم های زمانبندی در سیستم های توزیع شده در حالیکه مایل هستند زمان اجرای وظایف را حداقل سازند، هدف گسترش بار بر روی پردازنده ها و حداکثر ساختن استفاده از توان آنها را نیز دنبال می نمایند. رهیافت epso با ادغام پارامترهای موثر در تابع شایستگی از قبیل زمان ارسال درخواست، زمان ارسال اعلام پذیرش درخواست و تاخیر بین آنها، شرایطی را فراهم می سازد که علاوه بر اینکه makespan را نسبت به الگوریتم های dpso و pn کاهش می دهد، نرخ همگرایی به پاسخ بهینه را بهبود می بخشد. این الگوریتم با اولویت بندی و گروه بندی وظایف و منابع سیستم، امکان توزیع بار مناسب بر روی منابع را نیز فراهم می سازد. روش sldpso نیز کارایی الگوریتم زمانبندی را با بهبود الگوریتم dpso با استفاده از تابع شایستگی تعریف شده در رهیافت epso افزایش می دهد و همانند الگوریتم epso، makespan را بخصوص در شرایطی که تعداد درخواست های وارد شده به سیستم زیاد است کاهش می دهد. همچنین با توزیع بار متقارن، امکان استفاده بهتر از هر منبع را به تناسب ظرفیت پردازشی آن در مقایسه با الگوریتم dpso پیشین و الگوریتم pn فراهم می سازد.