近年来,互联网技术飞速发展,各种依托于网络的业务层出不穷,对网络资源的需求呈现出爆炸式地增长。因此,为网络中的业务设计合适的调度策略,为现有的网络资源做出合理的分配,对于提高用户体验和系统效率都具有重要的意义。分布式环境下的可分任务调度问题是对很多实际问题的近似抽象;虚拟光网络被认为是下一代网络的发展趋势。在此基础上,本文结合实际情况,建立了两类网络环境下的资源分配模型,并设计了高效的求解算法。主要完成的工作有:1、目前,大多数关于可分任务调度问题的研究均以使任务的完成时间最小作为优化目标。然而,随着硬件性能的不断提高,在快速完成给定任务的同时,可以满足用户更多的需求,如处理机对任务的处理质量,对数据的处理精度等。因此,在已有的可分任务调度模型的基础上,本文提出了服务质量这一概念,在星型网络中建立了考虑服务质量的多目标优化模型,并将增大处理机的服务质量和减小任务的完成时间作为优化目标。在求解该多目标优化模型时,本文在MOEA/D框架下,采用双种群遗传算法进行求解,并设计了两种新颖的交叉算子和一种高效的变异算子来加快解的收敛速度,提高解的质量。为了验证模型和算法的正确性,设计了两组实验,结果证实了模型和算法的有效性。2、本文研究的虚拟光网络中静态业务的分配问题,可以认为是网络规划的一种。然而,随着网络环境的日益复杂,关于信息安全性的问题越来越不容忽视。对于某些连接请求,它们必须避开特定的物理节点,如:一般业务不能经过专用节点。在此基础上,本文提出了特权节点的概念,建立了一个考虑特权节点的虚拟光网络资源分配模型,并以最小化业务使用的最大频隙号作为优化目标。在求解考虑特权节点的虚拟光网络的资源分配模型时,节点映射方案使用了现有的自适应算法;然后本文设计了一种新的选路算法求出候选路径集,避免了特权节点情况下KSP算法失效的问题。选路阶段采用了改进的遗传算法,包括一种基于均匀设计的交叉算子,一种有效扩大算法搜索范围的变异算子,并为它们赋予了动态变化的概率来调整种群的多样性;频谱资源分配方案采用了最先适配策略。实验结果表明,同已有的算法相比,本文所提模型是可行的且算法是有效的。