网格是构建在互联网上的一组新兴技术,通过它可以把分散在不同地理位置的资源整合起来实现各种资源的全面共享,所以网格的根本目标是协调资源的共享。网格中任务调度追求的是系统的高吞吐率。但由于网格环境中资源的广域性、异构性、自治性和动态性等特点使得网格中的任务调度要比传统环境下的调度要复杂得多,再加上任务调度本来就是一个NP难解问题,因此研究并提出一种网格环境下的高效合理的任务调度算法具有重要意义。本课题在研究网格计算及任务调度现状的基础上,选择了自适应遗传算法来进行网格中任务调度。针对遗传算法容易产生早熟收敛的现象,结合网格任务调度的特点和目标,本文运用了一些运算量较小的操作对算法进行改进:在算法初始种群产生时引入min-min算法与遗传变异相结合的新方法来提高初始种群质量;算法迭代过程中采用了一种局部收敛判断的新标准以及改进的变异操作来防止局部收敛;算法迭代结束后结合邻域搜索扩大寻优范围。最后利用现有仿真工具GridSim实现了用课题中改进的算法进行网格任务调度的仿真。初步的实验结果表明改进后算法具有较好的全局搜索能力和较快的收敛速度,提高了网格任务调度的性能,尤其是对于任务量比较大的网格任务调度。