由预渲染的切片地图服务向实时渲染的地图符号化服务进行转变是一种趋势，但受到系统响应延迟的制约，地图符号化服务仍未普及。在地图符号化过程中，空间数据的读取与渲染是最耗时的两个步骤，因此，将符号化的空间范围重叠和临近的请求提交给相同的服务器，提高服务器的缓存命中率，减少磁盘读取时间能够加快系统的响应速度。但空间数据请求符合Zipf定律，少量的热点空间范围吸纳了大量的请求，会导致少量接收热点空间范围符号化请求的服务器超负荷工作，系统负载不均衡，降低了系统的性能。为了解决上述难题，本文提出了一种基于遗传算法的符号化任务调度算法，算法综合考虑了保持系统负载均衡与提高服务器缓存命中率，以使系统整体性能达到最优。符号化请求产生的负载用请求占用的时间来表示，为了预估符号化请求的占用时间，本文将控制变量法和支持向量回归方法应用到时间预估问题中。　　本文具体的工作如下：　　首先，针对网络环境下地图符号化时间预估这一特定问题，详细分析了地图符号化的步骤和具体实现流程，从制图比例尺、制图尺寸、样式复杂度、要素数量、要素空间分布和要素类型等方面对地图符号化系统进行研究，通过实验提取出制图尺寸，要素数量，要素类型三个显著影响符号化渲染时间的因素，并分析3个主要因素间的相互关系，建立地图符号化渲染时间预估的三元组模型，使用回归分析等方法对模型参数进行优化设置。　　第二，深入研究了支持向量回归机的理论基础，以此构建了基于支持向量回归的符号化时间预估模型，由于支持向量回归机的训练参数对其预估性能影响较大，为了获取性能较好的支持向量回归机，需要得到较优的参数组合。因此，本文使用网格搜索算法优化支持向量回归机的核参数、惩罚因子和不敏感损失函数。最后使用测试数据进行验证，发现支持向量回归模型比三元组模型拥有更高的准确率。　　第三，研究了集群环境下的地图符号化任务调度算法。为了应对空间数据请求存在的不均衡性，充分利用服务器的缓存能力，实现较好的负载均衡和良好的缓存命中，以提高请求响应性能，本文提出了一种基于遗传算法的任务调度算法。根据符号化服务的特殊性和复杂性，建立了基于访问请求不均衡性和执行时间的任务调度模型，作为遗传算法基因编码依据，设计了适应度函数、遗传算子以及控制参数，并形成了算法流程。本文对算法进行仿真测试，发现提出的算法比轮询算法具有更高的性能。　　最后，设计并实现了面向服务器集群的地图符号化服务平台，包括任务管理模块，时间预估模块，任务调度模块，客户端制图模块和符号化渲染模块等其他模块，并对构建的服务平台进行测试，测试的项目包括任务平均响应时间和CPU利用率标准偏差，测试结果验证了本文方法的正确性和可用性。