大数据、人工智能及云计算、边缘计算等技术正在向嵌入式方向发展,并且在物联网（Internet of Things,Io T）和工业物联网（Industrial Internet of Things,IIo T）中,嵌入式系统已经有大量的应用。这对于嵌入式系统的存储器提出了更多的要求,未来嵌入式系统应满足更高的时间和能耗的要求。磁畴壁存储器（Domain Wall Memory,DWM）具有低访问延迟、低能耗、低成本、高密度、非易失性等优点。但是,DWM上的数据访问总是需要通过移动操作将存储数据的磁畴与读/写端口对齐以进行读/写操作,这将产生额外的开销。所以,数据在DWM中的放置和调度策略将极大地影响总执行时间及性能。为了解决基于DWM的多核系统中数据放置和调度问题（Data Placement and Scheduling in DWM-based Multi-core System,DPSDMS）,本文提出整型线性规划策略（Integer Linear Programming,ILP）得到最优解;同时提出基于数据访问依赖图（Data Access Dependency Graph,DADG）的分层分组策略（DADG-based Layering and Grouping Algorithm,DLGA）,在多项式时间内获得近似最优解。本文的主要工作包括:1.定义基于磁畴壁存储器的多核系统中数据放置及调度问题（DPSDMS）并给出NP完备性证明:首先定义了数据访问依赖图以及多核系统初始状态;DPSDMS问题是在给定多核系统初始状态下,在满足数据访问依赖图的条件下,得到数据放置策略以及数据调度策略,减少移动操作并增加多核系统中指令执行的并行度,使得多核系统中指令的总执行时间最短;最后通过数学分析给出DPSDMS问题的NP完备性证明。2.提出整型线性规划策略:对于DPSDMS问题使用整型线性规划算法进行数学建模优化,并给出变量定义及线性约束的数学公式,通过遍历所有的数据放置及调度情况,得到最优解。但由于该策略的执行时间随数据量的增大呈阶乘增长,无法在多项式时间内求出最优解。3.提出了基于数据访问依赖图的分层分组策略:如果每次将数据访问依赖图的当前层数据全部访问完毕后,再访问下一层,将极大地简化问题的复杂度。同时由于当前层的数据访问相关度较大,只考虑当前层也能获得良好的并行度以及较少的位移操作。因此本文提出了基于数据访问依赖图的分层分组策略,极大地降低了时间复杂度,该策略能够在多项式时间内获得近似最优解。本文设计了基于磁畴壁存储器的多核系统总执行时间的实验并进行测量,实验结果表明,相比于顺序数据放置及调度策略,整型线性规划策略系统总执行时间平均减少了60.6%,基于数据访问依赖图的分层分组策略平均减少了60.33%。