在信息产业迅速发展的21世纪，层出不穷的技术突破和创新冲击着人们的视野，CPS无疑是其中的佼佼者。CPS是在环境感知的基础上实现人、机、物互联互通与深度融合的多维复杂系统，其模型目前已经开始尝试性的应用在医疗、机械、交通、工业等与国民经济息息相关的领域。现代建筑作为支柱产业，得到了人们越来越多的关注，任务调度是建筑环境CPS得以实现的重要问题之一，其决定着整个系统的融合、实时等特性，也影响着系统中的物理环境信息的采集、任务处理的性能、资源协同管理等诸多性能。　　本文介绍了课题的研究背景、意义及CPS、无线网络和分布式计算的国内外发展现状;建筑环境CPS中的任务请求命令可能存在复杂度高且量大的特点，导致计算节点无法独自完成或用时过长致使任务结果失效，因此将建筑物理环境的状态改变和用户的请求信息等作为处理对象即任务，主要针对任务分配、路径选择和任务调度等问题进行了研究，本文的主要研究内容如下:　　(1)本文构建了支撑建筑环境CPS的四层体系结构，详细介绍了各层的功能，并针对网络层进行了协议和隐私保护等的安全性设计;　　(2)面对复杂度高且量大的任务，将其分解成若干个子任务是任务调度的第一步。为每个处理任务的传感器计算节点设置一个多带图灵机服务器，多带图灵机服务器通过时间复杂性函数而动作，将任务分解成若干个具有相互依赖关系的子任务即有向无环图DAG的形式，达到简化任务的目的。　　(3)子任务既要找到合适的计算节点，快速计算，还要满足带宽、延时、延时抖动和丢包率等QoS约束条件，本文采用在路径选择方面具有相当优势的蚁群算法解决此问题，将QoS约束作为调整信息素的因子，使蚁群在N次迭代的过程中满足QoS约束的基础上，找到费用最小路径的最优解或次优解。　　(4)由于每个计算节点可能需要处理多个子任务，为了保证每个任务的结果都具有其有效性，而且尽量平衡网络的负载，需要针对单个计算节点上的任务进行调度。本文采用RM调度算法，并在其基础上增加了优先权值和延迟状态，保证即使在抢占发生时，通过就绪和延迟的处理，任务仍按优先级的高低顺序进行处理，使任务完成时间最短。　　(5)基于本文算法和体系结构，通过MATLAB对本文算法和其他三种较经典的调度算法在任务完成时间、代价、延时、延时抖动、算法性能和调度成功率方面进行了仿真实验对比，证明本文算法的优越性。