物联网与产业相结合是产业信息化、智能化发展的重要方向。物联网系统能够实时采集生产生活中人、设备等信息。但是物联网中传感器、终端设备、用户服务等数量巨大,它们产生的数据和提交的任务都希望能够得到快速高效的处理。另外物联网中资源丰富,可利用的计算节点众多。因此,如何通过有效的作业调度方案,充分利用物联网中的资源,获得整个计算资源与不同作业需求之间的最佳匹配关系,并高效快速的处理相关数据成为关键问题之一。目前国内外学者主要从以下几个方面,研究如何优化任务调度。物联网系统中任务调度不但有实时性方面的要求,而且因为任务种类众多、任务之间高度协作等特点,所以还有偏序、通信等多方面的约束。这种情况下的任务映射已经被证明为NP-HARD问题。这意味着在计算复杂度允许范围内几乎无法获得最优解。如果任务预分配具有多维约束,其映射难度也会变得更高。这方面的问题归结到静态调度中。当前的研究主要通过建立DAG模型以及采用搜索算法解决该NP问题。如果从较长的时间区间段观测系统时,系统中的节点状态并非固定不变,其状态的动态变化会对任务的预分配造成影响,运行时如何在线控制任务的分配问题一般被归结到动态调度中。如何正确的将动态调度和静态调度的优点结合则归结为混合调度问题。当前国内外研究主要倾向于设置反馈机制或改进传统单节点动态调度算法,使之适用于混合调度。本文的主要研究工作有：(1)结合任务调度处理的研究现状和现有研究成果,以及物联网的特征,分析常用动态调度算法和静态调度算法的优缺点。(2)通过研究物联网中任务之间的关联性,分别分析了每个约束条件的特点,设计了适用于静态调度的多维约束优化目标函数。(3)鉴于寻优算法在离散组合问题中存在难以收敛的问题,通过分析调度过程中任务部署的特征,以及优化算法的收敛方向。设计动态精英采集策略改进遗传算法,并用于静态调度的优化中。(4)针对因系统中节点状态动态变化时造成单纯的静态调度不能完全适用的问题,设计任务重发机制以及节点信任度约束,并以此提出一种基于自整定反馈机制的混合调度策略。本文提出了优化的静态调度算法。并设置反馈机制,将静态调度算法进一步用于混合调度中。并对相关算法做了仿真。仿真结果表明,本文改进的遗传算法很适用于静态调度的优化,其收敛速度很快,而且其结果非常逼近最优解。而混合调度算法在节点状态动态变化时,也得到比单纯的静态调度算法更好的结果。