在异构分布式环境中，具有依赖关系的任务调度问题属于NP完全问题。为了取得较好的调度方案，很多启发式调度算法被引入到了调度问题的研究当中。例如：列表调度算法、遗传算法、模拟退火算法、神经网络和贪婪搜索算法等。而传统的单一的启发式算法都或多或少的存在一些问题，比如：遗传算法因受染色体结构和遗传参数等条件的限制，在大规模的任务调度过程中收敛缓慢，易于陷入局部极小值，并且需要较长的执行时间。而普通的贪婪搜索算法，虽然能得到局部的较好解，但是由于很容易陷入局部搜索，而无法得到全局最优解。 在本文中，仍采用应用十分广泛的遗传算法和列表调度算法，并在遗传算法中结合禁忌搜索算法来实现任务的调度。在GA-TS算法中，通过对拓扑序进行交叉变异等遗传操作实现非单一拓扑序列调度。禁忌搜索算法提高个体的适配值，加快遗传算法的收敛。通过实验，与原始的遗传算法和未改进的列表调度算法进行比较，新的算法能够得到更好的调度方案。