由于不同任务的特性与计算机性能之间的差异,任务的分发调度成为了影响分布式计算系统效率的关键因素。因此对任务调度策略的研究与优化对提高分布式计算系统的效率有着很大的作用。分布式系统中的任务调度问题被证明了是一个NP完全问题,即只有通过穷举法才能稳定得到最优解的问题。如何通过合理的算法在短时间内逼近这个最优解,是研究分布式任务调度的主要问题,也是本论文研究与解决的主要问题。本文主要工作如下:1.针对遗传算法早熟的问题,在遗传算法的基础上提出了基于地理隔离的遗传算法。这种算法能够明显抑制早熟的现象,防止算法过早陷入局部最优解,提升了算法的计算效率,降低了算法最终的收敛时间。2.针对遗传算法随机初始种群适应度过低的问题,提出了一种初始种群的自优化算法。通过这种算法可以迅速提升初始种群的质量,利用更少的时间使算法在初期快速进化,降低了调度方案计算的整体用时。3.将上述提到的算法融合到一起进行编码实现,应用到了任务调度模块中,最终设计并搭建了一个分布式计算系统。相比于其他实现,这个系统能够更快更高效地进行任务分配调度,大大节省了中心服务器的计算资源,降低了中心服务器的负载,提升了系统的吞吐量。