随着计算机技术与应用的飞速发展,人们对宏观和微观的时间的探索都进入到了一个前所未有的深度和广度。在数字化时代,每天产生的信息正日益的膨胀,信息的处理最终演变为数据的处理。所有的大规模数据的处理包括深度数据信息的处理是高性能计算的问题。分布式计算是Internet发展的必然产物,分布式计算广泛应用于电信,金融,电子商务,药物计算等各个领域。任务调度是分布式计算系统研究的核心内容之一,而基于动态信任的任务调度模型在志愿计算和网格计算系统中具有很好的性能,能够很好的处理节点的不确定性。本文首先介绍分析了并比较了几种静态任务调度算法,并对其中性能较高的Sufferage算法做出了改进；其次,详细分析了基于动态信任的任务调度经典模型,总结了经典调度模型存在的问题。在此基础之上,结合改进的Sufferage算法提出了一种在伯克利开放式网络计算平台(BOINC)系统中适用于独立计算任务的基于动态信任的分布式任务调度改进模型。最后,采用模拟分布式任务调度的方式对两种模型做了详细的分析和比较,得出了本文提出的改进模型应用在BOINC中处理独立计算任务时,具有更大的吞吐量和更低的计算时间。