随着计算机技术的飞速发展，人们为了充分利用广域网上的分布式资源，提出了网格计算的概念。网格计算是分布式计算的一种，其目的是建立大规模计算和海量数据处理的通用基础支撑结构，将网络上的各种高性能计算机、服务器、PC、信息系统、海量数据存储和处理系统、应用模拟系统、虚拟现实系统、仪器设备和信息获取设备集成在一起，为用户提供一个统一的、整合的、虚拟的计算环境，实现跨组织的资源共享、管理与访问。在网格系统中，任务调度系统是重要组成部分，它根据任务信息采用适当的策略把不同的任务分配到相应的资源节点上去运行。由于网格系统的异构性和动态性，以及运行于网格系统之中的应用程序对于资源的不同需求，使得任务调度变得极其复杂，它在一般形式下是一个NP完全问题。 量子遗传算法是一种新的优化算法，是由量子计算和遗传算法相结合而产生的。量子遗传算法建立在量子态矢量表示的基础之上，将量子比特的概率幅表示为应用于遗传算法中染色体的编码，使得一条染色体可以表达多个态的叠加，并利用量子逻辑门代替遗传操作，实现染色体的更新，从而实现目标的优化求解。通过分析量子遗传算法，本文提出了改进的量子遗传算法，提高了量子遗传算法的搜索效率，并通过多峰值函数求解问题证明了其正确性和优越性。 本文通过量子遗传算法及其改进算法在网格任务调度中的应用，以减少任务调度时间为主要目标，增加资源利用率为次要目标，提出了基于量子遗传算法及其改进算法的网格任务调度算法。算法采用量子比特间接编码的方式，通过有向无环图(DAG)来描述子任务之间的依赖关系，根据深度值来给子任务的执行顺序进行排序。本文在研究了仿真软件Simgrid之后设计了模拟程序对算法进行了性能评估和验证。通过与基于遗传算法的任务调度算法比较分析，验证了本文算法的正确性。仿真结果显示，本文中的算法不仅缩短了任务完成时间，而且改善了资源利用率，提高了任务调度性能。