分布式计算已经被广泛应用于网络传输、数据处理等领域。随着分布式计算的普及,使得处理信息数据节省了大量的时间与空间,也让数据处理的计算效率远高于以往,而其中合理的任务调度与高效的数据处理方法是提高计算效率的重要关键。目前,任务调度设计方法在许多领域中主要包括基于分布式框架的任务调度算法、基于单一目标优化的传统任务调度算法以及基于多目标的智能化思想方法等。并行处理方法主要是基于分布式计算框架,通过集群管理的方式,来降低硬件所带来的成本。尽管大多数的任务调度方法和数据处理方法均取得不错的效果,但是在任务调度优化方面和视频数据串行顺序处理方面造成计算效率低的问题上,还是有待提高。本文主要基于并行化的思想,在解决任务调度优化问题和视频数据串行顺序处理而造成的计算效率低的问题上,分别使用改进蚁群优化算法和推测并行的视频解码调度方法,并通过对比实验进行验证。本文研究内容如下:（1）针对分布式计算技术中存在的任务调度优化问题和视频数据串行顺序处理造成计算效率低的问题,总结国内外的研究现状,通过分析不同技术和方法的优缺点,对解决两种问题提出相应的解决方案。（2）提出一种自适应参数控制的蚁群优化算法。在原算法的基础上,采用一种自适应参数控制的方法进行改进,并且采用并行化的虚拟集群的仿真工具CloudSim对改进蚁群优化算法进行模拟仿真。在计算规模相同的条件下进行实验,通过对比其它智能化思想算法的实验结果,验证改进的蚁群优化算法在解决任务调度问题上具有有效性和可扩展性。（3）基于视频解码调度对所提出的调度算法进行验证。在计算机集群环境中,通过该方法,将原本按照串行顺序排列的视频编码数据进行推测划分、检验,并且进行并行解码处理和结果合并。在计算规模相同的条件下,通过对比按照串行顺序解码的实验结果,验证推测并行的视频解码调度方法在解决数据因串行处理而造成效率低的问题上具有有效性、可靠性和可扩展性。