相比于传统同构多核处理器，异构多核处理器能够在同一个芯片上集成多个类型的处理器核以满足不同应用的资源需求，具有低功耗优势以及给定功耗约束下更高的性能潜力，近年来逐渐成为学术界和工业界的研究热点。异构多核处理器的性能和功耗效率很大程度上依赖于能否根据应用的资源需求将其调度到片内适当的处理器核上运行。异构多核处理器的进程调度则面临着准确评估程序资源需求以及在进程间合理高效地分配处理器核资源等挑战。针对这些挑战，本文在面向异构多核处理器的进程调度框架下，提出了神经网络程序性能预测模型以及面向不同优化目标的进程调度算法，其中，神经网络程序性能预测模型能够提供更为准确地评估程序的资源需求，进程调度算法能够根据不同的优化目标采用不同的调度策略将进程调度到目标处理器核上运行。本文的研究工作主要包括以下三个方面:　　1.基于程序内在特征与程序性能之间的关系，提出了一种人工神经网络进程性能预测模型。该性能预测模型用于监测程序资源需求的变化并评估各个程序在不同处理器核上的性能收益，从而为作出适当的调度决策提供依据。实验表明，该人工神经网络性能预测模型在具有较低的实现代价同时具有较高的预测精度:在由SPECCPU2006程序片段构成的数据集，该人工神经网络性能预测模型平均相对预测误差为9.73％，优于当前最好研究成果之一的性能影响评估模型(Performance ImpactEstimation，简称PIE);在此基础上，基于该人工神经网络性能预测模型的进程调度相比于传统的轮转调度在性能和能效上分别提升了13.64％和10.78％。　　2.提出了一种基于稳定匹配模型的进程调度算法。在以系统性能为优化目标的前提下，针对系统的异构特性以及程序资源需求的多样性，本文创造性地将异构多核处理器的进程调度问题视为一个匹配问题，并利用稳定匹配模型获得的稳定匹配解作为调度决策。基于稳定匹配模型的进程调度算法能够以O(n2)的复杂度作出近似最优的调度决策，在性能、效率和可扩展性等方面取得了较好的均衡。实验表明，和随机调度、轮转调度以及贪心调度三个常用调度算法相比，该基于稳定匹配模型的进程调度算法能够取得最佳的系统性能和能效，其中相对于随机调度，在四核、六核和八核的系统中，性能分别提升了19.86％、21.32％和24.21％。　　3.面向异构多核处理器的公平性调度，提出了异构可感知的完全公平性调度算法（Heterogeneous-aware Completely Fair Schedule，简称H-CFS）来改善系统调度公平性，并在此基础上提出了系统性能/公平性可配置的TopN H-CFS调度算法，使得用户在面向不同的调度场景时能够根据需求灵活调节系统性能和调度公平性。实验表明，H-CFS调度算法能够有效改善系统的调度公平性，TopN H-CFS调度算法能够通过配置调节因子N有效调节系统性能和调度公平性，从而满足用户不同的需求。其中，与轮转调度以及当前最好研究成果之一的异构分布式加权轮转调度算法(AsymmetricDistributed Weight Round Robin，简称A-DWRR)相比，对系统的调度公平性分别提升了19％和14％;而TopN H-CFS调度算法则通过改变调节因子N，以系统的平均调度公平性从0.87逐步降低到0.55为代价，获得了25％的平均系统性能提升。