信息物理融合系统(Cyber-Physical System, CPS)是一种综合了计算、网络和物理环境的多维复杂系统。它实现了计算、通信和控制技术的有机融合与深度协作,能够完成大型复杂系统的实时感知、动态控制和信息服务,并且满足复杂系统的过程协调优化与系统的节能。该技术在军事、医疗、安防、工业、农业等领域具有巨大研究价值和应用价值。相对与传统的系统而言,CPS一般具有多维混杂、数据海量和高度协作等特点。系统在运行的过程中,必须满足实时感知、动态拓扑、可靠传输、快速计算等功能,这些都要求系统能够体现出良好的协调和反馈能力。其中,系统内部的任务调度策略对系统的协作能力和服务效率有重要的影响。由于传统的调度策略无法满足当前CPS的需求,因此需要针对具体的应用场景来设计高效可行的任务调度策略。本文着重研究CPS环境下如何对需要大量繁杂计算的任务进行调度,主要有：(1)综合分析了信息物理融合系统的特点和结构,以及总结了当前复杂系统任务调度算法的研究工作,并分析他们的优点和不足。(2)为了满足任务和资源的快速映射,降低系统的能源损耗,本文提出一种基于蚁群算法与布谷鸟搜索算法的混合算法(ACOCS)用于CPS环境下的任务调度。该方法有效保留蚁群算法并行性高和鲁棒性强的特性,并融入了布谷鸟搜索具有快速全局搜索能力的优势。使得算法在建立任务-资源映射的时候可以快速有效地精确到最优解,能够减少调度所需的响应时间,也一定程度上提高了系统资源利用率。(3)为了使得CPS在实际运用中可以满足用户各不相同的QoS要求,本文在分析当前各种QoS的基础上,给出多维QoS加权的单一目标函数。并且利用精英集群和变异算子来对标准的粒子群算法进行改进,提高算法的全局搜索能力和求解精度。结合两者进而提出一种基于改进粒子群算法的多QoS约束任务调度策略。该算法在保证用户体验的前提下,能够有效提高任务-资源映射的效率。最后,利用CloudSim的仿真环境对上述的两个算法进行性能仿真和分析。仿真结果表明,所提出的算法与当前较为的经典的算法相比,在响应时间,资源利用率方面具有较好的性能,并且保证了用户对任务完成的QoS需求。