网格计算是构筑在Internet上的一种新兴技术，其利用共享网络将分散在不同地理位置的计算资源、存储资源和数据资源等组织成一台虚拟的超级计算机，由此提供强大的计算能力。随着网格技术的迅速发展，网格的应用越来越广泛，受关注和重视的程度越来越高。网格的大规模应用对有限的网格资源提出了挑战，即如何在有限的网格资源下运行更多的网格任务。解决该问题的核心在于调度算法，一个优良的调度算法可以使网格节点执行更多的任务，从而增大网格系统的吞吐率。本文的研究正是围绕改进任务调度算法这一现实的问题而展开的。 本文研究了网格任务调度总体框架，分析了传统的网格任务调度算法，并且针对以往任务调度模型任务执行时间冗长和任务丢弃数量过多等不足之处，提出了一种新的的网格任务调度模型。该调度模型首先利用支持向量机技术对网格各节点性能进行预测，这种方法大大提高了网格调度的有效性，从而提高了任务调度的效率；然后提出量子遗传算法；继而把用支持向量机得出预测的结果与网格任务数据同时输入基于量子遗传算法的调度执行系统中，通过该模型得出任务调度方案；最后利用SimSnow平台对上述模型得出的任务调度方案进行验证，表明基于量子遗传算法的调度模型比以往的基于Min-Min算法与传统遗传算法的调度模型要优越。 本文共分六章：第一章为绪论部分，对论文的研究背景和研究思路进行了简要的论述，提出了本文的研究对象、课题的研究意义，阐述了本文所采用的研究方法和章节构造；第二章是网格和GirdGain概述，对网格概念进行了阐述，概述了GirdGain平台和安装与调试；第三章是网格任务调度框架研究，对网格任务调度框架进行了阐述，分析了经典网格任务调度算法，提出了基于支持向量机性能预测的量子遗传算法的网格任务调度框架，并对这种新的调度框架进行了初步的总思考，引出了研究主题；第四章是基于支持向量机网格节点性能预测研究，讲述了支持向量机的基本原理，并且利用支持向量机对网格节点性能进行了预测；第五章是基于量子遗传算法的网格调度任务研究，简介了量子遗传算法和量子计算原理，进行了基于量子遗传算法的网格任务调度实验；最后第六章是调度算法整合研究，进行SimSnow系统设计，并且利用SimSnow平台对前面形成网格任务调度算法进行测试，最后得出基于量子遗产算法的网格任务调度模型比传统遗传算法任务调度模型更加优越，可以达到提高网格资源利用效率的效果，对指导现实工作有指导性意义。