信息物理融合系统(Cyber-Physical System, CPS)是一种信息过程和物理过程紧密结合和协作的新型分布式智能系统,它是继云计算、物联网技术之后的新一代的技术产物。CPS以信息为中心,融合计算、通信和控制技术,最终为人们提供灵活、可信、高效地服务。相比传统的分布式系统,CPS更多地关注任务的优化调度与合理分配,以便实现对大型复杂工程系统的实时感知和动态控制,并为用户提供灵活高效地服务。然而,CPS物理环境的复杂性、资源强异构性、网络结构的动态拓扑性都给CPS的任务调度带来了巨大的挑战。由于传统的调度算法无法满足CPS的整体性能需求,本文分别从CPS的感知和计算任务展开研究,针对其复杂的任务提出了合理的调度算法,实现了动态资源高效组织与分配,提升了CPS系统的整体性能。本文主要的研究内容有：(1)综合分析了CPS的基本特征和体系结构,介绍了任务调度相关技术和传统的任务调度算法,为后面研究内容作准备。(2)针对CPS复杂感知任务调度问题,提出了一种基于改进的粒子群的多目标优化调度算法。该调度算法保留粒子群算法收敛速度快、效率高的特点,融入自适应的莱维飞行策略来提高算法的全局寻优能力,在满足传感器任务执行时间最小的前提下,有效地实现了传感器节点的负载均衡,延长了网络生命周期。(3)为了满足任务调度的多个QoS目标约束条件,对于CPS繁杂计算任务调度问题,提出了一种基于多维QoS的混合调度算法。该方法集成了人工蜂群算法鲁棒性强、求解效率高和模拟退火算法全局搜索能力较好的双重优点,并规避了人工蜂群算法容易陷入局部最优的缺陷。仿真表明提出的算法不仅满足了用户任务的多个QoS目标需求,而且能够有效提高任务与资源之间的映射效率。本文最后分别对以上两个算法进行了仿真和性能分析,实验表明,与传统的算法相比较,在任务的执行时间、能量损耗方面有较好的性能,并且能够满足任务调度的多个QoS目标需求,两种算法具有可行性。