由于半导体工艺的进步和应用的推动,处理器体系结构已经取得了很大的成功。尤其是多核和众核技术的出现,让处理器的效率和性能得到很大的提升,这是计算系统性能提升、功耗降低的重要支撑。由于众核处理器上具有数量众多的处理器核,如何进一步提高众核处理器的利用效率是不可回避的问题,这也是当前亟待解决的重要问题。在众核处理器中,决定系统性能的关键因素之一就是众核上多个计算任务的调度。由于现阶段众核处理器系统的研究相对较少,面向单芯片多处理器任务调度的研究都是面向多核处理器系统的。一般的多核处理器和众核处理器在处理器核数量上有着巨大的差异,因此众核处理器需要更适用的任务调度算法。为了优化众核处理器系统中的任务调度,本文以粒子群和蚁群算法为基础,提出了一种新的任务调度算法。该算法在初始阶段将所有的任务都置于单核系统中运行得到多个合理的任务调度序列,生成初始化信息素分布;在迭代求解过程中,增加新的信息素更新方案,避免了粒子的快速聚集;并且,通过引进遗传算法的寻优策略让局部最优与全局最优粒子自适应交叉变异,根据粒子适应度值的改变对粒子的位置进行更新。通过实验数据比较可以看出,改进的算法在任务调度的性能上优于遗传算法。