随着信息技术的发展,各种大数据应用层出不穷,如超高清视频、智慧城市、智慧医疗等。这些应用的数据量往往很庞大,计算任务的场景多种多样,有基于完全可分的大数据的应用,如图像处理应用,可以将图像看作大规模任意可分的像素点;也有基于粗粒度可分的大数据的应用,如矩阵运算（可以将矩阵看作行向量或纵向量上的运算）和音频视频处理（可以将音频和视频看作是由多帧数据和多段连续画面构成）等。可见,大数据往往任意可分或粗粒度可分,但是已有研究主要针对完全可分任务调度,粗粒度可分任务的研究相对较少。鉴于此,本文针对粗粒度可分任务的模型和算法展开研究,分别针对单一粒度、双粒度和多粒度大数据应用场景,建立了优化模型并提出了相应的高效求解算法。主要研究成果如下:1.研究了粗粒度多趟调度模型及算法。首先,分析了多趟调度相较于单趟调度的优势,以最短任务完成时间为优化目标,建立了粗粒度多趟调度模型,模型涉及三组变量:任务分配方案、调度趟数以及处理机调度顺序。然后,为了求解模型:（1）经过严格的数学推导,通过最小化处理机在内部调度的时间间隙,得到了内部调度的最优任务分配方案;通过最小化所有处理机在最后一趟调度任务完成时间的差距,得到了最后一趟调度的最优任务分配方案。（2）分析了任务完成时间与调度趟数之间的关系,通过限定调度趟数的上下界,寻求最优的调度趟数。（3）设计了一个进化算法求解最优的处理机调度顺序。最后,通过仿真实验,将本文所提算法与最新的周期性多趟调度算法进行了比较,实验结果表明本文所提算法在粗粒度可分任务场景下可以求出最短的任务完成时间。2.研究了混合粒度多趟调度模型及算法。首先,针对两种不同粒度的可分任务,建立了双粒度多趟调度模型,并设计了一种启发式算法对模型进行求解,得到了最优的任务分配方案和调度趟数。然后,针对多种不同粒度的可分任务,建立了多粒度多趟调度模型。该模型涉及三组变量:任务分配方案、调度趟数以及任务调度顺序。通过将任务先分组再分趟调度的方式,将多个不同粒度的任务按一定顺序混合在每一趟调度中完成。最后,通过仿真实验,将本文所提多粒度混合算法与单粒度多趟调度算法进行了对比,实验结果表明将多种粒度的可分任务进行混合调度能极大地降低总任务的完成时间,且多粒度多趟调度算法的效果要优于双粒度多趟调度算法。