随着P2P网络的兴起,构建高扩展、高可靠、高性能的分布式计算系统成为近年来的研究热点。任务调度是P2P计算中的一项关键技术,直接影响到整个系统的计算性能。P2P任务调度是指如何将一个结点上的多个任务同时调度到多个结点上并行运行,从而提高系统整体的运行效率。由于该问题不能在多项式时间内求得最优解,因而被公认为一个NP完全问题。对于NP完全问题,近年来兴起的免疫算法是一个较好的解决方案,即在较短的时间内能找到较好的解。因此许多研究分布式系统的专家开始关注免疫算法的研究。免疫算法在任务调度中的应用,对在解决大空间、非线性和全局寻优等复杂问题解决上,提供了其它方法所不具备的独特优势。针对用于任务调度的遗传算法所存在的缺陷,提出了基于免疫算法的P2P环境下任务调度策略。首先对P2P任务调度相关问题做出定义,然后分别构造了考虑负载均衡和种群多样性的种群初始化算子和克隆选择算子,并设计了新颖的自适应变异算子和具有先验知识的疫苗,同时给出了P2P结点的获取和管理策略。在此基础上,利用所提出的任务调度策略,完成任务调度过程。实验结果验证了调度策略的有效性。P2P环境的特点决定了其任务调度是受多个因素制约的,提出了基于免疫算法多目标约束P2P任务调度策略。首先对多目标P2P任务调度相关问题做出定义,然后构造了基于熵的克隆选择算子,并设计了新颖的交叉算子、变异算子和具有先验知识的疫苗。在描述了P2P结点获取和管理策略的基础上,提出了多目标任务调度策略。实验结果验证了调度策略在缩短任务执行时间和通信时间、以及节省调度费用等方面的有效性。