随着计算机科学技术的飞速发展和信息领域功能需求的日益增长,单一的计算节点已经无法满足许多具有重大挑战的问题。人们迫切需要功能更强、速度更高的计算机系统,因而工作站集群、网格、无线传感网等基于网络的并行与分布式系统应运而生。高效的任务调度算法是充分有效利用这些网络平台资源的前提,而网络中的任务复杂多样,可能是计算密集型也可能是数据密集型,如何将复杂的应用任务合理地调度到系统中的各个节点以期达到任务完成时间最短是提高服务质量和系统性能的一个非常关键的问题。可分任务理论给出了一种简单并且可能得到解析优化调度结果的方法,由于在模型的简单性和精确性之间取得了很好的折衷,并行与分布式系统环境下的可分任务调度成为目前调度领域的一个研究热点。本文主要侧重研究并行分布式环境下的可分任务调度模型和算法,主要工作包括以下几个方面:1、并行与分布式系统下的可分任务调度已被证明是NP问题,而遗传算法作为一种用于解决优化问题的并行寻优算法,已经被广泛用于各种NP问题。因此本文首先介绍了遗传算法的基本原理和设计框架,以遗传算法作为主要的解决手段,研究并行与分布式环境下的可分任务调度算法。2、已有的可分任务调度算法大多假设处理机在任务分配开始时刻全部处于空闲状态,而实际在真实的并行与分布式环境下,新的任务到来时,很多处理机可能还在处理之前的任务,即处于忙碌状态。每台处理机从忙碌状态转到空闲状态的等待时间一般是不同的,也即处理机可能具有不同的释放时间。本文的研究均基于处理机存在释放时间的基本假设。3、研究了同构系统环境下的可分任务调度,针对同构星型网络,详细分析了三种时序约束下的可分任务调度,建立了一种新的考虑处理机释放时间的混合时序约束可分任务调度模型,并采用遗传算法求解该模型,设计了相应的编码、遗传算子等。实验结果表明,同已有的穷举算法相比,本文所提出的算法能够更加高效准确地求出最优解,证明了算法的可行性。4、考虑到实际的并行与分布式系统环境中异构平台的存在,研究和分析了异构星型网络环境下考虑处理机释放时间的可分任务调度问题,建立了异构系统环境下的混合时序约束可分任务调度优化模型,并设计了新的编码方案和遗传算子,用遗传算法对问题进行求解,同时引入了局部搜索策略以加快算法的收敛速度。进行了理论分析和实验仿真,实验结果表明,同已有的几种调度算法相比,本文所提出的算法能够得到更优的调度方案,证明了本文所提出算法的有效性。