随着大数据、云计算等信息技术的发展和数据规模的增长,系统对计算能力的需求正逐步加大,传统的通用CPU已无法满足复杂算法和大规模数据的计算需求,CPU-FPGA异构系统正逐步成为高性能计算的主要研究方向之一。FPGA独有的部分可重配置特性可为系统提供不同的功能,但同时该系统中的任务调度和任务放置面临着许多挑战。首先,FPGA中资源碎片化仍较严重且传统任务放置策略未考虑可重配置资源的多样性,导致资源未被充分利用。其次,可重配置引起的时间消耗、多任务间的资源争用等问题在一定程度上影响着系统的执行效率。本课题针对CPU-FPGA异构系统中任务调度及放置问题展开研究。本文首先提出了一种单FPGA中多资源任务放置策略,该策略细粒度地考虑任务对不同硬件资源的需求,并综合任务对不同资源的占用时间,利用三维时空模型为硬件任务选取合适的放置位置,充分利用各硬件资源并减少资源的碎片化程度。其次,为提高多FPGA系统的执行性能,本文提出了一种两级任务调度策略,该策略首先在任务级调度阶段综合考虑子任务类型相似度和资源需求相似度,为任务选取合适的FPGA计算单元,减少部分可重配置的时间消耗和资源争用问题;然后在子任务级调度阶段,综合考虑子任务的调度顺序和任务放置,利用遗传和双端蚁群优化算法为子任务集找到最优的调度序列和放置位置,充分利用FPGA的硬件资源,从而减少任务集的总完工时间。最后,本文利用TGFF生成拓扑任务,并对本文提出的任务调度和放置方法与传统方法进行对比试验,实验结果表明,在单FPGA中本文设计的的任务放置方法可以有效地减少资源碎片化,提高资源平均利用率。另外,在多FPGA系统中,本文提出的两级任务调度方法相比传统算法更加均衡地利用了 FPGA的硬件资源,并减少了任务的总执行时间。