随着信息技术的发展,单核处理器时代渐渐退出了历史舞台,多核处理器的出现大大提高了计算机的性能。其中,一个高效的任务调度策略是提高多核处理器性能的关键。对于多核处理器的静态任务调度问题,经典列表调度(Simple List Scheduling,SLS)算法存在很多缺陷,因而难以获得较好的调度结果。本文通过理论分析和实例剖析了经典列表调度算法的不足,指出了经典调度算法的两个缺陷:经典列表调度算法在任务调度过程中,只考虑了任务优先级列表,而忽略了其它可能导致更短调度长度的任务拓扑序列;经典列表调度算法在为任务分配处理核时,所采用的贪心策略只能获取局部最优解而无法得到整体最优解。针对第一个缺陷,本文通过对传统遗传算法进行改进,应用在了列表调度中,提出了基于遗传算法的列表调度方案LSGA(List Scheduling Based On Genetic Algorithm)算法,通过一次一次的遗传和变异,有效地将众多的任务图拓扑序列纳入考虑范围之内。针对第二个缺陷,本文将蚁群算法映射在列表调度中,提出了基于蚁群算法的列表调度方案LSACO(List Scheduling Based On Ant Colony Optimization)算法,在为任务分配处理器内核的时候,通过一次一次的迭代,LSACO算法逐渐趋于最合理的处理器分配方案。针对片上网络通讯环境下的通信路径拥堵问题,本文从减少拥堵个数和减少拥堵时间的两个角度,对LSACO算法进行改进,提出了基于蚁群算法的多目标列表调度方案MLSACO(Multi-objective List Scheduling Based On Ant Colony Optimization)算法。MLSACO算法通过多目标系数加权的方案,不仅兼顾了任务调度长度,同时又缓解片上网络通讯环境下的通信路径的拥堵问题。本文选取了任务调度长度作为算法优劣的评判指标,又采用了四种常见类型的任务图和随机任务图,分别进行了四组性能统计测试。实验统计数据表明:在全互联的通讯环境下,LSGA算法和LSACO算法的调度结果要明显优于经典列表调度算法。同时,LSGA算法性能也优于ILS-Mb(Iterative List Scheduling with Macroblock)算法。尤其在通信权重比较大的情况下,LSACO算法的平均加速比可以达到119.9%。在片上网络的通讯环境下,MLSACO算法的调度性能也同样高于经典列表调度算法,而且可以有效的缓解片上网络通讯下的路径拥堵问题。实验数据表明,相比于经典列表调度算法,MLSACO算法缓解路径拥堵问题的概率普遍高于85%。