网格作为一种异构的、动态的平台,其任务调度的目标是在满足一定的服务质量、性能指标和优先级约束的前提下,将可以并行执行的任务按照合理的分配策略映射到相应的资源节点上合理有序的执行,达到总的执行时间最优。不同于传统的网格任务调度,无线传感器网格中的任务调度更为复杂,因为必须考虑无线传感器网络能量受限、计算能力有限、带宽低不稳定等特点带来的影响,以及不同应用和用户提交的任务调度失败该如何进行容错处理的问题,因此如何将现有的任务调度算法跟无线传感器网格相结合,尽量实现最优时间跨度并按照一定策略进行自适应的容错处理就成为一个非常有意义的研究方向。本论文介绍了无线传感器网络和网格的融合及意义,提出了将无线传感器网格中的任务调度划分为两个阶段：数据收集阶段和分析计算阶段。数据收集阶段要在分析计算阶段开始之前完成,传感器网络收集完成任务所需的全部原始数据,然后利用网格技术对这些数据进行计算并最终完成任务。这样可以有效减少无线传感器网络中节点的计算任务,使传感器节点专注于收集和传输信息,节省了电源的能量；并且可以有效利用网格技术处理所有的计算任务,提高计算的效率和准确率。在网格中,本论文提出了基于复制策略的遗传禁忌搜索算法(REP_GA_TS):根据关键任务的优先级,采用作业复制的策略对关键任务在多个资源节点进行部署,能够有效的减少关联任务之间的通信延迟；遗传禁忌搜索算法能够有效的克服GA调度算法早熟和收敛性差的缺点,并能够有效提高TS调度算法的效率。在WSN中,本论文提出了基于图元神经GN的模式匹配算法,能够有效降低传感器节点环境感知、数据传递等任务消耗的能量,延长节点寿命。在任务调度出现错误的情况下本论文采用自适应的容错策略AFT_REP_GA_TS的任务调度算法,根据错误级别进行自适应的容错处理,以最大的限度确保任务的成功执行。本论文对比分析了常见的网格模拟器并重点介绍了Gridsim仿真工具,最后通过一系列的仿真实验通过收敛时间和makespan两个重要参数,验证了本文提出的GA_TS、REP_GA_TS任务调度算法和自适应容错策略的有效性及调度效率。本论文还存在着一些不足需要今后继续进行研究：本论文对无线传感器网格分析不够深入,如何构建一个完善的任务调度策略来进行网格和无线传感器网络的任务调度是今后研究的重点；遗传算法明显收敛时进行禁忌搜索,但是明显收敛的条件很难明确界定,如果过早停止遗传算法,则选择出的最优染色体在禁忌搜索算法中不一定能得到最优的结果；如果停止遗传算法过晚,会增加整体的执行时间。今后的研究重点将是设计一个合理的阈值,使遗传算法在合适的时候停止,提高算法的效率。