随着信息科学技术和计算机科学的飞速发展,系统对存储、计算速度和带宽的要求也在不断的增加,单一的计算节点已经无法满足很多大规模计算密集型应用的需求,并行与分布式平台应运而生。任务调度问题是并行与分布式平台研究和应用必须解决的一个关键问题。高效的任务调度算法能够根据并行与分布式平台资源和任务的不同情况,在满足一定约束的情况下,达到任务完成时间最短的目标。但是由于分布式平台需要考虑诸多的因素,情况也比单一节点复杂,如何设计出高效的任务调度算法成为当前的一个研究热点。可分任务理论的提出给了设计高效的任务调度算法一种很简单直观且有效的思路,它在模型的简单性和精确性之间取得了很好的折衷,因而成为并行与分布式平台下任务调度相关问题的一个研究热点。本文主要侧重并行与分布式系统下,可分任务调度模型和算法的研究,主要工作可概括如下:1、并行与分布式系统下的可分任务调度问题已经被证明是NP-hard问题,而遗传算法作为一种启发式随机算法,已经被广泛用于NP-hard问题的求解并且有着不错的效果。本文针对带释放时间的可分任务调度问题,建立了新的任务调度模型,然后设计了新的遗传算法对模型进行求解,实验结果表明了模型的有效性和算法的高效性。2、已有的可分任务调度算法大多假设处理机在任务分配开始时刻全部处于空闲状态,然而在实际的并行与分布式系统中,新的任务到来时,很多处理机可能还处于忙碌状态。每台处理机从忙碌状态转到空闲状态的等待时间一般是不同的,即处理机具有不同的释放时间。本文针对同构系统下带释放时间的可分任务调度问题,详细分析了三种不同约束条件下的任务调度过程,进而提出了一种新的带释放时间的可分任务调度模型,并设计了高效的全局优化遗传算法对其进行求解。实验结果表明所提出的算法能够根据各处理机的释放时间合理分配任务,避免了任务的等待时间,从而减少了任务的完成时间。3、实际的并行与分布式系统多由异构的处理机构成,而处理机的调度顺序对于任务的完成时间至关重要。本文针对异构系统下带释放时间的可分任务调度问题,详细分析了三种不同约束条件下的任务调度过程,进而提出了一种新的带释放时间并同时考虑处理机最优调度顺序的可分任务调度模型。为了求解该模型,我们设计了新的全局优化遗传算法,并设计新的编码解码和遗传算子,同时在算法中引入了局部搜索策略以加快其收敛速度。实验结果表明,本文所提算法与已有算法相比能获得更短的任务完成时间。