网格任务调度是网格技术中的关键环节,由于网格资源存在分布性、异构性、动态性等特点,用户对网格资源的要求也呈现多样化,使得在大规模分布环境中的任务调度是一个十分复杂的问题,而任务调度算法性能及策略的好坏直接影响到网格系统的整体性能,更关系到网格服务质量的好坏。如何改进任务调度算法及策略,提高任务调度系统整体效率的同时又满足网格用户的多QoS需求,是一个极具挑战性的问题。首先,本文以蚁群算法作为研究网格任务调度的基础理论,通过将生物免疫记忆过程和基于蚁群的任务调度过程进行类比,建立资源优选记忆库,成功的将生物免疫记忆机制引入到蚁群算法中,进一步提出了蚂蚁免疫记忆的PCIMACA任务调度算法,该算法通过对任务相似度检测,使相同或相似的任务进行二次调度时,可以直接调用资源优选记忆库中的资源,避免任务每次调度都遍历所有网格资源进行搜索,有效的缩短了任务和资源的映射时间。算法在资源信息素的更新规则中除了使用资源信息素奖罚因子,还设计了资源负载平衡奖罚因子,使算法能较快的收敛于调度成功率高且负载小于一定阈值的资源。通过GridSim网格仿真实验,将PCIMACA算法与ACO、Min-Min算法进行比较,证明了该算法有效的缩短了任务调度的响应时间,使任务调度的成功率和资源负载都有所改善。本文提出的将生物免疫记忆机制与蚁群算法相结合的网格任务调度思想,对网格任务调度算法的研究有一定的创新意义。其次,对现有网格用户的需求进行了细化分析,将用户对网格资源的需求细分为对资源的具体属性需求和模糊属性需求,通过基于Agent的任务调度模型和PCIMACA任务调度算法,根据用户对网格资源的需求进行预分类,同时通过模糊动态聚类、数量积等方法建立资源需求预分类库,提出了基于用户需求的UDDPTS任务调度模型。本文提出的基于用户需求的网格预分类方法对研究网格其它类型的资源的调度有着通用的意义。最后,在网格任务调度模型中引入了系统可靠性理论,在随机Petri网的基础上对任务调度系统中单个资源和串、并联链路资源进行可靠性建模分析,提出了基于随机Petri网的GSRSPN任务调度模型,该模型使用TRMA算法和任务可达图构造算法使模型在考虑了每个资源节点可靠性和用户多QoS需求的同时找出任务调度最优资源路径,实例验证了该调度模型,不仅满足网格用户在时间和费用上的要求,还考虑对网格资源可靠度的限制,该模型对网格任务调度系统的可靠性和容错性具有积极的意义。本文结合蚁群算法、生物免疫记忆机制、可靠性等理论,使用相似度算法、模糊动态聚类法、数量积法等方法提出蚂蚁免疫记忆的PCIMACA任务调度算法、建立基于用户需求的UDDPTS动态任务调度模型和基于随机Petri网的GSRSPN任务调度可靠度模型,通过网格调度仿真实验和实例验证证明了以上算法和模型对网格任务调度的研究起到借鉴的意义。