近年来,我国的超算事业迎来了飞速发展,超级计算机已经成为推动科技创新发展的一个重要工具。然而,用户对超算算力的需求迅猛增长,日益涌现的新型计算服务也对计算规模、时延、灵活性等方面提出了严格要求。多超算中心互联出现,能够解决上述问题。多超算中心互联可以整合跨地域超算中心的计算资源和存储资源,能够高效组织跨地域的多个超算为用户提供多样化算力服务,是支撑高质量计算服务的重要途径。但如何在多超算中心互联系统中高效地将计算节点算力与用户作业匹配是亟需解决的问题。因此,本文围绕多超算中心互联展开研究,针对不同用户作业的需求和特征,深入探讨算力组合调度策略,优化整体作业的完成时间。本文的主要研究内容和贡献如下:（1）针对跨地域超算中心对计算密集型作业的处理问题,本文提出了一种改进知识的蚁群算法。该算法解决了一些超算算力难以满足对截止时间有严格要求的用户作业问题。本文首先对多超算中心算力组合调度进行数学建模,在多超算中心作业截止时间、计算节点存储资源约束下,构建了整体作业完成时间最小化模型。然后设计一种改进的蚁群算法求解这一问题。该算法是在经典蚁群算法的基础上,设计了知识体,通过修改状态转移概率公式,进而影响蚂蚁运动方向。仿真结果表明,改进后的算法能够提高超算算力与作业匹配的精准度,能够快速地调度多超算中心的算力资源,提高了多超算中心资源利用率。（2）针对跨地域超算中心对数据密集型作业的处理问题,本文提出了一种启发式算力组合调度算法。该算法的核心思想是将数据本地性与超算中心负载均衡相结合,通过网络传输数据量较小的作业,减少不必要的数据移动,且支持数据非本地超算中心处理。本文首先将作业拆分为多个子作业,将最小化多超算中心数据密集型作业完成时间问题表述为线性规划,并设计了一种启发式算法。该算法先将作业按照完成时间排序,再优先放置具有最小完成时间的作业,同时兼顾超算中作业负载均衡。仿真结果表明,该算法提供的算力组合调度策略能显著缩短整体作业的完成时间,具有较高准确性和鲁棒性。