网格是一个集成的计算与资源环境,能够吸纳各种计算资源并将它们转化成一种随处可得的、可靠的、标准的、经济的计算能力。网格计算适用于大型的科学计算和项目研究,已成为继传统因特网、Web之后的第三次互联网浪潮,在世界许多国家和地区得到了实际应用,在科学研究、信息共享、应用程序整合等方面发挥着极大的作用。任务调度问题则是网格研究和应用必须解决的一个关键问题。任务调度的目标就是要对用户提交的任务实现最优调度,并设法提高网格系统的总体吞吐率。网格计算的任务调度是一个NP完全问题。近年来,人们提出了很多启发性智能化算法,诸如神经网络、模拟退火、禁忌搜索、遗传算法、蚂蚁算法等,它们成为解决NP问题及任务调度问题的有效工具。退火进化算法是将遗传算法和模拟退火算法进行优化并混合的一种算法,它即利用遗传算法具有较强的对全局把握能力,同时利用模拟退火算法的较强局部搜索能力对遗传算法的种群进行概率性接受,一定程度上避免遗传算法“早熟”的产生。本文的工作主要是在对传统的遗传算法和模拟退火算法进行阐述,在分析传统遗传算法和模拟退火算法的优点和不足后,对原有算法进行了优化；基于遗传算法和模拟退火算法的开放性,对两种算法进行有机混合,并提出了基于DAG(Directed Acyclic Graph)图约束关系的任务调度退火进化算法AEA(Annealing Evolution Algorithm)算法。然后将AEA应用于具体的任务调度问题,针对任务调度问题的具体情况设计出相应的算法,并最后予以实现。