有向无环图(Directed Acyclic Graph,DAG)是一种常见的任务调度问题的模型。近年来,异构环境中的多任务调度问题得到了广泛研究者的关注。由于异构环境中计算资源数量多且分布广,调度过程中的通信开销无法忽略。在原有DAG模型的基础上加入任务间的通信开销,提出CA-DAG模型。多DAG调度问题可分为静态调度和动态调度两种,区别在于调度时一组DAG的相关信息是否发生改变。在CA-DAG模型的基础上,以多个DAG间的调度公平性为调度目标,提出两种针对不同应用场景的调度算法分别解决静态调度中费用优化问题及动态调度中的优先级决定问题。针对异构计算系统中静态多DAG的调度问题,提出CAFS(Communication Aware Fair Scheduling)调度策略以合理安排多个DAG间的调度顺序。CAFS调度策略分为两个阶段,预调度阶段利用CACO(Communication Aware Cost Optimization)求解所有任务的最优服务并优化费用,利用公平性算法得到较公平的调度顺序;调度阶段采用后向求异原则,根据预调度得出的调度顺序进一步优化整体的完成时间。针对动态多DAG调度问题,提出FSDP(Fairness Scheduling with Dynamic Priority for Multi Workflow)调度策略处理具有不同到达时间的动态DAG调度问题。通常动态DAG都具有用户指定的截止期。为了能够合理、公平地进行调度,FSDP首先给出了每个DAG在当前时刻紧急程度的定义;随后考虑每个DAG的滞后程度,综合衡量紧急程度滞后给出一种动态优先级决定算法;最后对E-Fairness进行了优化,保证了新到达的DAG能够更加合理地加入调度。针对静态、动态多DAG调度问题提出了两种调度策略。仿真实验表明:CAFS可以优化带通信开销的一组静态DAG的执行费用,而且后向求异原则可以在不降低多个DAG之间公平性的基础上进一步优化了整体的完成时间;FSDP可以将动态到达的DAG加入当前调度序列,并根据公平性与紧急程度合理安排调度优先级。提出的CAFS与FSDP可以有效地解决异构环境中的任务调度问题。