近年来,随着通讯与计算机技术的飞速发展,由大规模分布式计算环境搭建的大数据中心平台在电子商务、工业控制、科学计算等领域都有着广泛的应用。其中任务调度策略的优良直接影响着系统的计算效率与质量。近年来针对单个DAG任务(有向无环图)在多个计算资源上的调度问题研究已基本趋于成熟。随着计算机技术的发展与用户需求的不断提升,多DAG共享一组异构计算资源的问题逐渐受到广泛的关注。其中调度公平性与可靠性等相关问题也成为研究的热点。因此本文针对异构分布式计算环境下的多DAG任务调度相关问题进行研究,主要工作与创新点如下:(1)针对多DAG任务调度时的公平性问题进行研究。提出一种针对已有经典公平调度算法Fairness算法进行改进的启发式公平调度算法IFairness算法(Improved Fairness),该算法在原算法基础上在选择待调度DAG阶段采用一种新的评判指标DAG完成度(Completion Degree)代替原有算法中的剩余Makespan作为DAG选择依据,此外,在计算每个DAG的滞后程度阶段,采用“向后看”一步的原则,解决了某些DAG在前期得不到调度的问题。仿真实验表明,该算法有效提高了调度算法的公平性及资源利用率。(2)针对任务调度中的可靠性问题进行研究。由于异构分布式系统中计算节点的计算能力以及故障概率都不一定相同,因此首先进行可靠性建模。综合考虑任务公平性、任务约束关系以及计算节点故障概率,本文提出一种以可靠性目标驱动兼顾任务公平性的多DAG任务调度策略可靠性公平算法(Reliable Fairness Algorithm),对资源进行充分利用,保证系统的高效性与可靠性。最后设计实验对算法性能进行仿真测试。(3)针对多DAG任务调度的可靠性、调度效率和公平性多目标协同优化问题进行研究。通过前面研究可知,已知任务及系统模型情况下,传统启发式调度算法所得出的结果并非最优解。因此本章提出一种基于布谷鸟算法的多目标优化任务调度算法(Multiobjective optimization based on cuckoo search algorithm,MOCSA)。首先对布谷鸟算法的内容进行介绍;然后对提出的算法进行设计,并给出算法核心代码;最后设计实验对算法性能进行仿真测试。