在嵌入式实时领域的应用中,嵌入式设备的工作时长通常受到电池容量的限制,因此,能耗严重制约着系统的性能。随着大数据应用的不断发展,单核架构已无法达到爆炸式增长的大数据的运算需求,随之出现的是多核架构的节能调度研究,实时性与低能耗对该研究进一步提出了挑战。基于该课题的研究,提出了两阶段的多核任务节能调度算法,包括基于混沌理论的多核任务分派以及基于空闲时间回收的单核任务调度。任务分派阶段,基于混沌理论的量子遗传算法分派多核任务,首先引入混沌理论的初值敏感性初始化种群,迭代阶段动态调整量子旋转角改善收敛速度,在种群收敛停滞时,引入混沌理论干扰种群,提高算法全局寻优能力,得到保证能耗较优的任务分派结果;任务调度阶段,基于混合调度算法执行单核任务,首先考虑系统总能耗,计算处理器的静态速度,任务运行过程中根据其实际运行情况采用混合调度算法回收空闲时间,加入速度判定条件,调节执行速率,达到实时性需求,最终完成调度的同时尽可能最小化处理器能耗。通过模拟数据展开多组对比实验,分别研究系统工作负载以及平均利用率对算法性能的影响,实验结果证实,提出的调度策略节能优势达到15%,同时剖析任务数对算法性能的影响,表明本算法可应用于多核调度问题中并具有良好的寻优能力。