网格计算是在近年来计算机科学与应用技术和网络技术的的快速发展背景下应运而生的。它是一种分布式异构计算环境，具有用户规模大、资源异构且分散分布、动态性和需求多样性等特点。网格环境中，用户通过向网格系统提出服务请求来共享各种网络资源，系统则根据服务的功能、性能要求向用户收取一定的费用。因此，为了在实现服务提供商系统收益性最大化的同时，又能满足用户对服务时效性、数据可靠性、信息安全性等性能要求，系统必须能够智能地在众多可行的调度决策方案中寻求最佳的策略。本文针对以上网格计算中突出的问题，提出了一种网格计算环境下任务划分与资源分配策略的优化方法，使得在多项性能约束的条件下系统收益达到最大化，并运用了通用生成函数和遗传算法来对问题模型进行求解，并且在小型网络实验中对模型予以仿真验证。首先，在前人工作进行分析研究的基础上，根据网格系统的特点逐步建立起网格环境下任务划分和资源分配的实现机制。当收到用户提出的服务请求时，系统将对该请求任务的特点进行分析，将其分解为多个小的、耦合度低、可并行执行的子任务。其次，通过对资源的应用特性的相应参数分析，选择适合为当前任务提供服务的资源集。最后，根据子任务集和可用资源集的具体情况进行映射分配。执行完的结果则逐级传送回系统并进而反馈给用户。其次，分别从服务使用者（即用户）和服务提供者的角度，通过对网格系统中不同群体对服务性能质量的多样化需求的分析挖掘，构建面向不同群体的包括服务时效性、服务可靠性、数据安全性、服务代价和收益性的性能指标，进而建立起对各系统性能指标的评估数学模型。然后再借助通用生成函数来对各指标进行快速计算，提出系统服务收益最大化模型的计算方法。最后，针对本文提出的网格环境下的任务划分与资源分配调度优化问题，本文运用遗传算法来对上述进行求解，并设计实验来仿真不同条件约束下的服务收益最大化问题的最优解情况，进而对获得的最优解进行多角度分析讨论。