本文介绍了并行计算以及并行计算机的发展概况，并行计算的原理，体系机构以及并行计算机的分类，阐述了异构计算系统包括异构计算机、网络通信和异构计算支持的软件这三层结构。深入分析了异构计算的并行性检测阶段、并行性特征(类型)析取阶段以及任务的映射和调度阶段。在任务的映射和调度阶段，提出了异构计算系统中的任务优化调度问题，并介绍了现阶段的针对异构计算系统中任务调度问题提出的两大类算法：静态算法和动态算法，包括速度单调调度算法、截止时间单调调度算法、最早时限优先调度算法、最小松弛度优先算法、遗传算法。以及这两类算法的共同点在于将任务调度和任务执行向分离，针对特定的异构计算模型给出任务调度矩阵。本文将群体智能技术引入任务调度问题当中，详细研究了群体智能算法的定义和特征，简要介绍了现有的三种群体智能算法。蜂群算法具有适应性、分布性、灵活性和鲁棒性的特点。蜂群算法与环境的信息交互，可以在异构计算系统的异构计算节点机与任务之间构建类似的动态信息交互，解决系统中任务的优化分配问题。利用蜂群与环境的动态交互模型来实现异构计算系统中动态的任务调度和分配，提出了一种优化的动态任务分配模型，该模型通过异构计算机对待处理任务的动态选择，模仿蜜蜂采蜜的过程实现了异构计算系统中任务的动态分配。实验表明该模型提高了系统的执行效率，实现了任务的优化分配。同时，系统具有适应性、灵活性和鲁棒性的特点。论文的叙述过程如下：首先，介绍了并行计算以及并行计算机的相关概念。包括并行计算的概念、并行计算的体系结构、并行计算的分类和并行计算机的分类。其次，在理解并行计算及并行计算机原理的基础上，详细介绍了异构计算以及异构计算系统，包括异构计算系统的层次结构、基本原理、分类。分析了异构计算系统在建立模型时需要解决的问题，分析了其中的一个关键问题任务调度问题，介绍了任务调度问题的研究现状，指出现在研究的任务调度问题都是基于根据优化算法得出调度矩阵，按照调度矩阵进行任务分配调度。现行算法，都是在解决特定问题上，或者在特定的异构计算环境下的任务分配优化算法。最后，考虑在异构计算系统中引入群体智能技术，建立具有适应性、灵活性和鲁棒性特点的异构计算系统。依据蜂群算法构造了一种异构计算系统中动态任务分配的模型，该模型中节点机对待处理任务会有一个反应阙值，待处理器对处理节点机会发出刺激信号，主机根据反应阙值和刺激信号的大小来分配任务。模型适应各种类型的计算任务，能够根据计算节点的数目增减，灵活的分配任务。初步实现了计算过程中任务的动态分配。实验证明，在该算法基础上建立的异构计算模型，能够实现任务的优化分配。