异构多核系统由于包含不同类型的计算单元,从而可以灵活地执行不同类型的计算任务,提高了复杂嵌入式系统的计算性能。现在FPGA加速器正在被集成入异构多核系统。和通用处理器使用指令集执行任务不同,FPGA使用其上的硬件计算资源CLB（Configurable Logic Blocks）来执行任务,但是FPGA上的硬件计算资源是有限的,因此在集成FPGA的异构多核系统上调度任务时应考虑这一点。本文提出了一种针对此类系统的FPGA计算资源约束下的异构多核系统任务调度算法,目的是减少应用程序的处理时间同时考虑FPGA的资源限制。算法优化了将任务分配给计算单元的方案,既考虑了任务在不同计算单元上的执行时间,又充分利用了FPGA上的资源,同时确保算法运行过程中任务的计算单元分配始终满足FPGA上的资源限制,任务的调度序列也可以在算法中优化。本文的主要贡献如下:1.实现了集成FPGA的异构多核系统的建模和程序任务的建模。本文详细分析了集成FPGA的异构多核系统计算单元间的通信速率、FPGA的计算资源限制、应用程序中任务之间的依赖、任务在异构计算单元上的执行时间和任务部署在FPGA上需要消耗的FPGA的计算资源数量。2.提出了一种FPGA计算资源约束下的异构多核系统任务调度算法。算法基于的遗传算法属于引导随机搜索算法,异构计算单元的差异性隐含在算法搜索过程中。算法在FPGA资源限制下生成初始种群。算法修改了遗传算法的交叉操作和变异操作,以确保染色体的FPGA资源使用量不会超过FPGA的资源限制。任务调度在染色体评估阶段完成,根据计算单元分配得到调度顺序求得适应度值。经过算法的优化,可以获得合适的任务分配方案和调度顺序。3.开发了一款用于集成FPGA的异构多核系统的任务调度工具。该工具可以通过用户输入的数据和文件,给出以甘特图呈现的任务调度结果,直观地展示了任务在计算单元上的分配、每个任务的持续时间和每个通信过程的方向。基于该工具分析了一个实际应用程序,说明了本文方法的可行性和有效性。本文的实验对在多个工作中使用的随机应用程序和三个实际应用程序进行调度,经过分析和比较,与同领域三种最新的方法相比,本文的方法取得了更好的表现。