网格从90年代中期发展到现在,已经成为互联网技术研究的热点,其最终目的是为了将全球数以亿计的分布式资源结合起来,消除信息孤岛,实现信息的全面共享。但是由于目前网格环境中的资源都是在地理域上广泛分布的,而且网格计算环境也具有十分复杂的特征,所以使得资源的管理变得十分的困难,所以网格技术的关键之一在于对资源的调度,即如何有序而合理的分配多样化的信息资源,使基于网格资源的任务快速高效完成。而将算法合理地运用到资源调度之中,不仅能够使资源得到充分的利用,而且使资源和任务之间分配有序,从而大幅度提升任务执行的效率。本文基于网格资源调度问题提出了差分进化算法,目的在于通过对传统差分进化算法的改进,更好地解决资源与任务的分配问题。文章介绍了网格的概念、特点及体系结构,在此之上,叙述了网格资源的各种特点,重点说明了资源调度的原理、特点及调度过程,还对差分进化算法进行了详细的介绍,包括其概念,原理以及执行过程,并对差分进化算法的多项式应用给出了具体的实验过程,同时,分析了差分进化算法较之其他进化算法优点所在。本文基于差分进化算法的网格资源调度模型提出了算法的改进。改进主要分为三个方面,第一方面是针对初始种群的改进,将原始的随机选取种群改为精英种群的选取,即选取比预期种群范围要大的种群,并对其进行优劣淘汰策略,保留精英个体进入到进化中,保证了高性能个体的遗传。第二点改进是针对变异操作中的缩放因子。传统的缩放因子是取一定范围内的固定值,如果缩放因子设置过小,种群进化易陷入局部特征,如果过大,在进化后期会使得收敛速度过慢,而提出的自适应缩放因子,能在进化初期需要较强的全局搜索能力时,为较大值,在进化后期时,需要加速收敛时,为较小值。第三点改进是结合了粒子群优化算法,主要是采用了其变异操作中的个体极值与全局极值的方法,使个体能够尽可能的保持种群的优良遗传,对收敛速度有较大的提升。文章将三种改进的程序主要代码进行了说明,并对三种情况下的实验结果都进行了对比分析。然后将三种改进进行了结合,通过实验可以很明显的看出算法较之改进前有了巨大的性能提升,充分说明了本算法对解决网格资源调度问题是可行的,改进后的算法较之原算法具有更好的性能。