随着实时系统应用的日趋广泛,保证系统的实时性变得尤为重要。与此同时,多核系统的飞速发展让多核系统中的实时任务调度问题成为当今IT技术领域的热点问题。新时代的研究焦点是,在任务并行运行的同时,如何保证多核系统的实时性、提高系统的运行效率、缩短任务调度长度以及保持系统的负载平衡。因此,提高多核系统性能最直接的手段是设计出一个好的实时任务调度算法,这也是本课题研究的意义所在。针对多核系统的实时性,本文算法考虑了任务的到达时间、就绪时间和截止期。再结合多核系统的复杂环境,本文研究的是异构多核系统,算法考虑了各内核不同的运行速率和内核间不同的通信带宽。根据目前这个领域的研究成果得知,本文的课题是一个NP完全问题,而智能算法能获取此类型问题的近似最优解决方案。于是本文结合蚁群算法和遗传算法提出了一种新型混合算法用于解决异构多核系统的实时任务调度问题。本文首先建立了异构多核系统的系统模型,包括任务模型、处理器模型、调度模型、约束条件模型,为算法的实现提供了目标环境。其次,详细描述了混合算法的操作步骤,包括任务到任务选择操作、任务选择处理核操作、交叉操作、变异操作、信息量更新操作,同时又涉及若干公式的设计。最后,考虑到交叉和变异操作对原可行解的影响,还提出了一定的筛选机制,从而保证了最终解的质量。为了验证混合算法的性能,本文用C++语言在集成开发环境Microsoft Visual C++ 6.0中实现了该算法,验证了算法的可行性、参数取值分析结果的正确性以及与同类型算法相比的优越性。最终证实,本文的混合算法能够有效解决异构多核系统中的实时任务调度问题。