多处理器与异构多核计算结构已广泛应用于嵌入式系统,如何高效地利用所有资源以达到系统整体收益最大化是本文研究的出发点。调度算法服务于操作系统与应用程序,在不同的应用场景有着不同的调度目标与约束条件。本文对嵌入式环境下实时与低功耗两大调度目标进行了联合优化,使用贝叶斯优化算法（Bayesian Optimizition Alogorithm,BOA）求解最优调度策略是一个新颖且具有挑战性的研究课题。本文主要工作内容如下:1、研究实时约束并行应用的调度策略,对任务调度长度单一目标进行了优化。本文使用高斯过程（Gaussian Process,GP）来对多任务调度问题进行概率统计建模,并通过采集函数来平衡探索（Explore）与利用（Exploit）过程。实验表明,在参数配置合理的情况下,本文方法具有采样次数少、收敛速度快以及不容易陷入局部最优解等优势。2、研究实时约束与能耗约束并行应用的调度策略,对任务调度长度与能量消耗进行了联合优化。本文还提出了用于求解多目标任务调度问题的通用解决方案,其易于拓展、配置灵活且适用于不同计算环境。通过将各种模型与策略参数化,当计算环境与调度目标发生变化的时候,不需要对核心算法作出调整,研究人员只需要将更新后的目标模型纳入目标函数中即可。实验表明,贝叶斯优化算法更适合用于求解复杂度较高的多目标任务调度问题。与其它随机搜索算法相比,在同样计算资源下本文所提出的方法更容易找到最优调度策略。3、基于Linux操作系统内核,实现了真实异构多核调度平台上的动态与静态调度策略。其中,动态调度策略通过修改内核调度器源码来实现,静态调度策略通过表驱动（table-driven）方法来实现。平台还实现了用于能耗优化的运算核频率调整接口、任务追踪工具以及调度结果可视化工具。