近些年TOP500的报告显示,集群所占的比例越来越大,集群系统已成为高性能计算的主流平台。随着处理器硬件的日益成熟和高速网络的发展,集群已经广泛而深入地应用到工业界。集群提供强大的计算能力的同时也带来了能量危机。高性能计算已经出现能量危机,能耗问题已经成为集群技术发展的一个瓶颈之一。调度问题一直是任务调度研究的重点和热点,调度机制对于集群的性能至关重要。设计出基于能量优化的任务调度算法成为缓解数据中心能量危机的一种行之有效的方法。针对当前聚簇调度和复制调度算法只考虑性能而完全忽略能耗问题,本文提出集群环境中基于能量优化的并行任务调度算法。能量优化策略从两个方面开展工作：①构建同构集群数学模型、DAG(Directed Acyclic Graph)图任务模型和能耗模型,计算算法重要参数,提出同构集群环境中基于能量优化的并行任务调度算法EATCS(Energy-Aware Task Clustering Scheduling)。研究处理机类型、网络连接类型和CCR(Communication-to-Computation Ratio)值对能耗的影响。将EATCS算法与过去的TDS(Task Duplication Scheduling)和PEBD(Performance Energy Balance task Duplication)调度算法在同一实验场景下进行能耗比较。②构建异构集群模型、DAG图任务模型和能耗模型,计算算法重要参数,提出异构集群环境中基于能量优化的并行任务调度算法EETCS (Energy-Efficient Task Clustering Scheduling)。利用simgrid模拟器模拟异构集群环境,研究CCR值、节点异构性和网络异构性对能耗的影响。在同一实验场景下比较EETCS算法、TDS和NDS(Non-Duplication Scheduling)算法的能耗。最后,为了验证改进的调度算法的有效性,将改进后的调度算法应用到高斯消去和快速傅里叶变换等经典应用程序,通过对比分析实验结果得出结论：改进后的算法在不影响性能的情况下,比原有调度算法在能量消耗方面具有更好的优越性。