异构多核处理器系统将不止一种类型的内核集成在一起,可以同时发挥不同类型核心的长处,加快程序的执行速度并降低系统功耗。为提高异构CMP任务调度执行效率,充分发挥异构CMP的异构性和并行能力,设计一种适合异构多核CMP平台上依赖任务调度算法,尽可能提高异构CMP系统资源利用率和吞吐量,是一个重要而现实的热点问题。本文通过对多核处理器任务调度及其现有算法进行分析,提出一种基于启发式蚁群的异构CMP任务调度算法—H2IACOTS。该算法包括两个步骤:首先利用表调度算法CPOP生成一个高质量的调度序列,将此调度序列转化成蚁群算法所需要的搜索路径上的信息素初始分布;然后利用本文提出的蚁群算法的正反馈、全局收敛的优势求取最优任务调度。为了进一步提高算法效率,本文还引入遗传算法的突变特性,对局部蚁群算法局部搜索进行优化,提高算法的搜索速度。H2IACOTS算法使用了启发式算法和蚁群算法相结合的方法,发挥了启发式算法和蚁群算法在任务调度算法的各自优势,又克服了启发式算法不能得出最优解的缺陷以及蚁群算法初始信息匮乏和陷入“早熟”现象的不足,并且在算法中提出了利用遗传算法突变特性对蚁群算法进行局部优化,改善整个群体性能,减少计算时间。为了证明该算法在异构系统依赖任务调度问题上的适用性和高效性,实验采用随机生成不同特点的任务图集合和不同的硬件条件即处理器内核个数作为算法测试输入,并在Matlab平台编程实现该算法,对H2IACOTS算法各参数范围的选取进行探索,验证算法的收敛性能和任务调度时间。实验结果表明:与现有的启发式算法和随机搜索算法相比,H2IACOTS算法总能找到异构CMP下依赖任务调度难题的最优或次优解,而且算法执行搜索任务时间最短,算法拥有较好的稳定性和可扩展性,同时为相关研究提供了很好的借鉴意义。