对于传统蚁群算法用于云计算资源分配和调度问题过程中存在的不足,提出了一种可以提高负载均衡度、缩短任务执行时间、降低任务执行成本的改进自适应蚁群算法, 改进算法以能够基于用户提交的任务求解出执行时间较短、费用较低,负载率均衡的分配方案为目标,通过CloudSim平台对传统蚁群算法、最新的AC-SFL算法、改进自适应蚁群算法进行仿真实验对比。实验数据表明,改进后的自适应蚁群算法能够快速找出最优的云计算资源调度问题的解决方案,缩短了任务完成时间,降低了执行费用,保持了整个云系统中心的负载均衡。

提出一种混合的任务调度方法: 当任务集不能整体满足严格周期条件时, 选择部分重要的或易于调度的任务进行严格周期调度, 其他周期任务基于最小抖动准则调度, 也就是使任务相邻作业之间间隔的差值尽可能小。针对这种混合调度方法, 给出了严格周期可调度性评价方案, 考虑了不同长度作业占据时隙的可行情况, 并利用min-plus代数的概念进行转移权重矩阵的乘法运算, 用以寻找当前任务的最小抖动时隙分配方案。研究表明, 与仅采用最小抖动准则分配的对照组相比, 混合调度方法提高了严格周期任务的比例, 并且得到的调度方案在最坏情况下抖动率更小。

针对信息物理融合系统典型的分布式异构并行计算结构存在的任务调度问题,以有向无环图为调度模型,最小化任务完成时间为目标,采用多变异位自适应遗传算法,通过依赖矩阵、改进的交叉和变异算子确保基因个体的有效性,同时采用多变异位和自适应的方法保证基因个体的多样性和算法的收敛性.仿真结果显示,该算法比基于任务表的启发式调度算法更有效.

为解决飞行器管理系统的任务调度问题, 提出了一种基于蚁群算法的多处理机任务调度方法, 考虑任务个数、任务等级、任务负载、任务与飞行状态关系等4个因素构建了单机风险系数函数; 以单机风险系数均衡为目的设计了任务调度目标函数, 给出了蚁群算法求解飞行器管理系统任务分配问题的流程。仿真得到一种较优的调度方案, 验证了所提方法的有效性。

光子网格中任务和通信的联合调度是一个非确定性多项式难题.为了进一步优化调度长度, 本文在扩展列表算法的基础上, 提出一种迭代列表调度算法.该算法通过扩展列表算法产生一个初始调度序列, 并通过迭代的方式不断估计调度过程中子任务之间的通信时间；然后重新计算子任务的权重, 调整子任务的调度序列, 达到改善调度长度的目的.仿真实验表明, 迭代调度算法对于大部分的实例能够有效地减少任务的调度长度, 并且更加适用于数据密集型的任务调度.

针对任务、资源、航路的调度与规划需要, 建立了一种分层递阶的任务规划系统结构, 上层主要解决任务优先级和冲突消解问题；下层主要解决满足各种要求的航路规划与实时重规划问题。提出了启发式动态任务调度与航路实时规划算法, 可以有效提高对各种突发事件的态势自适应和冲突消解能力以及对时敏目标的打击能力, 进而提高无人机在动态不确定环境下的自主性。

针对实时异构系统的任务调度问题，提出了一种异构多处理器系统的混合实时任务调度算法。该算法采用带有非周期服务器的EDF(Earliest Deadline First)算法来调度单处理器上的任务集，可充分利用处理器的计算带宽。采用启发式搜索算法来进行任务的分配，以最大剩余计算带宽为搜索指标，可确保各处理器的负载尽量平衡。同时，对软实时任务引入QoS(Quality of Service)降级机制，可提高任务集的整体调度成功率。最后，对算法进行了仿真实验，仿真结果证明了算法的有效性。

为有效管理分布式开放实时系统(Distributed Open Real-Time System, DORTS)的CPU和网络资源，提供实时应用端到端延时确保，提出一种基于资源预留的分层调度策略。对于任务的调度，首先利用最大需求任务优先与最小可利用率节点适应算法将任务分配到各节点，然后在节点上采用基于服务器的两层调度架构进行调度；对于消息的调度，采用3层调度架构: 在顶层为每个应用创建一个高级别调度器，负责调度应用产生的消息；在中间层为每个节点创建一个低级别调度器来调度所有的高级别调度器；在底层，一个介质访问控制调度器用于授权各节点对网络的访问。设计了EDF-SS(Earliest Deadline First with Slack Stealing)算法用于改进软实时非周期消息的响应性。仿真实验证明了算法的有效性。

针对开放式悬挂物管理系统(Stores Management System，SMS)硬实时、软实时和非实时任务并存，任务需动态加入和退出，且任务执行时间不确定导致的调度困难，提出一种改进的基于服务器的任务调度策略。系统调度器由任务接收控制、调度服务器和自适应控制3大模块组成，其中任务接收控制可在不进行全局可调度性分析的前提下支持任务的动态加入和退出；调度服务器可支持多种约束任务并存于系统；自适应控制可有效解决任务执行时间不确定变化导致的调度困难。最后通过加入延迟任务控制和剩余带宽利用机制改进了常带宽服务器(Constant Bandwidth Server，CBS)算法。仿真实验表明，改进的算法有效地降低了软实时任务的截止期错失率和响应时间。