网格任务调度是网格系统的核心功能,任务调度程序协调网格内的所有资源,根据任务信息采用适当的调度策略把任务分配给相应的资源节点。任务调度问题实质就是在网格环境下,将m个需要调度的任务合理分配到系统中的n个资源上。由于网格环境本身的复杂性,要想获得完美的调度结果几乎是不可能的。而且很多启发式调度策略大多只考虑了涉及网格性能的最优跨度和负载均衡等少数几个调度目标。本文的研究工作主要集中在构建兼顾多个调度目标的任务调度模型,并提出一个高效的调度策略。任务调度问题是一个NP难的组合优化问题,而蚁群算法在解决这类问题上有着很多先天优势。同时蚁群算法良好的扩展性也能很好解决网格中节点动态性的问题。但蚁群算法也存在面对大规模问题时收敛速度慢,容易陷入局部最优的问题。针对上面的这些问题,本文提出一种基于混沌蚁群算法的网格任务调度模型,它考虑了任务和资源的复杂性,使用多维属性描述任务和资源模型；使用多个调度目标的线性复合作为任务调度的评价模型；针对混沌蚁群算法,提出了动态蚂蚁数量的混沌蚁群算法并将其应用于调度策略,同时改进了混沌蚁群算法的初始化算法及其信息素更新策略。最后使用GridSim网格仿真工具测试、比较了改进的混沌蚁群调度算法与几种对比算法的调度性能。相对于其他智能算法,本文中的混沌蚁群算法由于使用了简练的混沌初始化算法加快了算法的收敛速度,动态蚂蚁数量的策略降低了算法运行时间,混沌扰动避免了算法早熟,多目标的调度模型兼顾了各方面的性能。实验结果表明动态蚂蚁数量的混沌蚁群算法相对蚁群算法有了很大的性能提高,基于混沌蚁群算法的调度策略也能有效地提高网格的吞吐量,降低了最大完成时间,各资源节点的负载也能得到明显改善。