异构多核处理器系统作为多核处理器系统中一大亮点,依靠高效率、低成本的特点广受人们的喜爱,同时也成为嵌入式系统中最常用的处理器系统。在对异构多核处理器系统研究的过程中,系统任务调度问题显得尤为重要,一个好的任务调度算法可以充分发挥系统性能。异构多核处理器系统任务调度问题已经被证明是NP完全问题,故一些常用的启发式任务调度算法在解决此类问题中显得不足。于是人们将研究目光转向了智能算法,希望从智能算法中获取此类问题的解决方案。本文即是将智能近似算法中改进的遗传算法应用到了异构多核处理器系统任务调度问题,并获得了比较好的解决方案。本文首先给出了异构多核处理器系统任务调度数学模型,并在基础遗传算法的基础上,提出了应用于异构多核处理器系统任务调度模型上的基于优良种群的动态遗传算法。改进的遗传算法通过在种群初始化时使用启发式算法来构建相对优良的种群,为算法进一步计算操作提供良好的基础。在算法计算过程中,针对异构多核处理器系统任务调度问题给出了相应的适应度函数,并根据种群中个体适应度不同提出了动态自适应的交叉率和变异率,使得算法在改良种群的过程中更具针对性。为了尽量节省算法运行时间,在算法终止条件设置中,加入了种群适应度相似度来优化算法。通过上述一系列改进措施,基于优良种群的动态遗传算法既满足解要求,又具有较好的收敛性。为了验证算法改进性能,本文对算法进行了实现,并在Microsoft Visual C++ 2010环境下进行相应的可行性、参数设置和同类算法对比实验并给出了结果分析,最后证明,改进的遗传算法可以有效的解决异构多核处理器系统任务调度问题。