分布式系统作为计算机领域的研究热点之一，近年来受到了广泛的关注。其中的任务调度问题，对发挥系统的并行性能和保持负载平衡具有重大意义。任务调度问题是指根据一定的调度策略，把一组并行处理的任务按规定的时序分配到系统的多个处理机节点上，以期获得较好的系统执行性能。由于该问题不能在多项式时间内求得最优解，因而被公认为一个NP完全问题。 对于NP完全问题，近年来兴起的遗传算法(GA，Genetic Algorithm)是一个较好的解决方案，即在较短的时间内能找到较好的解。因此许多研究分布式系统的专家开始关注遗传算法的研究。该算法在解决大空间、非线性、全局寻优等复杂问题时具有传统方法所不具备的独特优势，使GA在任务调度与组合优化方面取得了较好的应用。有关GA的理论研究也随之得到了较快的发展。 本文从提高算法搜索效率和避免过早收敛的角度，提出了一种新型的遗传算法——类遗传算法(QGA，Quasi Genetic Algorithm)。通过建立类遗传算法的马氏链模型，对其收敛性进行分析，得出了类遗传算法具有全局收敛性的结论。 为了验证QGA的优越性，我们应用该算法来解决异构机群系统的任务调度问题。仿真实验结果表明，该算法在搜索效率和搜索较优解方面与经典遗传算法相比都有明显的改善。