在多核技术的发展过程中,如何优化任务调度问题,提升多核并行计算能力一直是人们关注的重点问题。在传统的任务调度问题研究中,诸如任务复制、任务聚簇、列表调度等传统方法,往往不能完全反映解空间的构成情况,很难从可能的调度解中一次性获得较好的调度结果,因此针对此类问题的搜索算法成为这方面研究的主要方向。本文以智能搜索算法中的遗传算法作为搜索最优调度解的方法,设计了基于全局列表和聚簇-列表混合的两种搜索算法GLPGA和CLGA。GLPGA算法使用并行遗传算法中的岛式模型,使用不同遗传算子并行搜索全局调度列表,通过迁移的方式,扩大较优解空间的搜索范围;CLGA算法使用聚簇和列表调度相结合的方式,求解任务到计算单元较优分配方式,通过全局任务列表确定各簇中任务的执行优先级,并使用一种自适应收敛判断标志主动结束搜索过程的方法寻找最优解。在多核系统模型上,本文采用了基于片上网络通讯架构中2D-Mesh结构的多核模型,对任务处理中通讯过程进行行为级建模。算法使用大量随机静态任务图在2D-mesh结构模型下模拟调度结果,测试表明,算法在片上的规范化调度长度在低于1.9,并行度加速比Speedup可达3.9,具有良好的调度性能,优于已有的调度算法。