近年来,随着互联网流媒体技术的发展,兴起了视频点播、IPTV、P2P语音通讯等P2P流媒体应用。P2P流媒体应用一般具有覆盖网络广、资源数据量大、用户节点多和可扩展性强等特点,且对数据传输的实时性和连续性要求较高。但P2P流媒体系统可能会出现服务器压力大、性能高的节点请求任务多等现象,难以保证P2P流媒体系统为用户提供高质量的服务。本文数据调度和过载转移策略就是节点决定从哪些节点调度哪些数据片使数据请求任务均衡的分布在资源节点上,保证流媒体播放的实时性和连续性,减小服务器的负载压力。　　本文在深入研究了数据片和资源节点选择策略的基础上,改进离散粒子群优化算法,并将粒子群优化算法引入到P2P流媒体数据调度中。在本文数据调度和过载转移策略中,首先选择调度数据片时综合考虑P2P流媒体网络中数据片播放的紧急度和稀缺度,然后根据数据调度的特点改进基本粒子群优化算法并设计数据调度策略的评估模型,应用节点数字串的编码方式使数据片与相应的调度节点相对应。在选择调度节点时应用改进的离散粒子群优化算法选择最优数据调度节点集,通过解码可以确定从哪些节点请求哪些数据片。最后在数据请求过程中,将过载节点的部分请求任务转移到轻载节点上。应用本文数据调度和过载转移策略以保证服务器的负载压力小,网络带宽利用率高,流媒体播放连续性好。　　通过实验仿真,评估改进的离散粒子群优化算法的收敛性能,并将本文调度策略与目前应用比较多的基本算法在上行带宽利用率、节点负载均衡率、数据调度时间、服务器负载等参数上进行对比,表明了改进离散粒子群优化算法收敛性好,应用本调度策略既能够保证流媒体播放的连续性,又能够有效利用网络中的闲置资源,减轻服务器的负载压力。验证了将离散粒子群优化算法引入到 P2P流媒体数据调度问题中具有可行性和有效性。