网格计算是借鉴电力网的概念提出来的。利用网络把分散在不同地理位置的计算机组织成一个“虚拟的超级计算机”,其中每一台参与计算的计算机就是一个“节点”,而整个计算环境是由“节点”组成的一张“网格”。最终目的是希望给用户提供可靠的、协调的、无处不在的和低廉的高端计算能力。网格计算为解决科学和工程领域一些大规模计算问题提供了理想的平台。资源调度是网格计算中一个关键性的研究课题。在网格环境中,任务从提交给网格系统到任务处理完成,都一直处于网格任务管理系统的管理之下。良好的资源调度能有效地协调和分配网格资源,有效降低网格计算的总执行时间和总耗费量,从而使网格达到最大性能。由于网格具有大规模、异构、动态、分布和自治等特性,如何调度任务以满足用户的需求是一个极具挑战性的问题。本文基于遗传算法原理提出了适合网格计算环境的网格资源调度策略,并将其作为网格资源调度技术的核心策略来更合理的调度网格资源,本论文主要工作为:①对当前常用的资源发现和管理模型进行了研究,针对层次模型中的“层层传递”导致的效率低下问题,提出一种基于资源类型的资源发现和管理模型,该模型大大提高了资源查找和更新的速度。②网格计算系统融合了多种计算资源,一方面这些计算资源可能存在很大的性能差异,另一方面由于它们的工作负载也是动态变化的,因此计算资源能够向用户提供的计算能力也会动态地变化。因此本论文提出了自适应遗传算法、线性变换遗传算法、量子遗传算法三种不同的任务调度算法,根据网格系统各个计算模块的计算能力、负载及网络状态进行自适应调度,从而向用户提供最优的性能。③对当前国内外比较优秀的静态和动态调度算法进行分析,着重讨论了比较经典的Min-min算法以及QoS guided Min-min算法,在此基础上考虑到任务对服务质量要求的差异对调度算法的影响,提出一个较为合理的改进算法来有效地均衡负载、提高系统吞吐量。④采用Gridsim工具包对以上提出的算法进行了实验仿真,仿真结果表明改进后的调度算法更加高效。