分布式计算环境中所处理的执行事件大多由不同信息源所产生,并具有数据量大、结构复杂和分布不均等特征。但是对于同一信息源产生的事件组,事件与事件间大多存在顺序约束的关系,使用有向无环图(Directed Acyclic Graph,DAG)可以准确模拟具有依赖关系的计算机任务在分布式环境中的处理流程。本文首先介绍了信息物理系统、CPS分布式系统和DAG模型的发展历史和研究现状,之后对现有的相关经典DAG任务调度算法和执行目标进行描述。叙述完毕后分别针对不同调度环境中的问题,提出本文的研究工作如下:(1)首先针对同构多处理器分布式环境,发现单调速率算法和最早截止时间优先算法在适用于DAG周期任务模型时,存在通信开销较高和没有涉及任务间依赖关系的问题,提出了一种允许延迟时间较短优先(ADTST)算法,该方法在考虑实时性以及DAG中工作节点间复杂依赖关系的需求上进行适配,使系统整体性能得以提升。(2)其次针对异构多处理器分布式环境,较大规模任务在该环境中调度存在处理器利用率较低问题,提出一种基于最早完成时间的拉伸调度(A-HEFT)算法,该算法既可保证在时限内对DAG任务进行有效调度,又可提高处理器的资源利用率。(3)然后针对异构分布式的硬实时环境,现有容错算法中任务的优先级分配均没有考虑到任务故障导致总体价值量的损失,所以本文提出一种最小价值损失优先的容错FT-LVLF算法,该算法在精确量化分析每个任务的可靠性和需要的副版本个数的基础上,结合任务价值量和任务截止期限设定优先级别,可提高任务的完成率和降低系统的整体价值损失量。最后通过Yartiss-1.0.2仿真软件分别对上述三点做对比试验来验证其理论的有效性。