随着网格技术的发展与深入研究,地理上分散的异构资源可以通过网格技术组织成一个虚拟的超级计算机。网格任务调度就是如何最有效的管理和利用巨大的网格资源来的完成各种计算任务。任务调度是网格计算中的一个重要组成部分,一直是国际和国内学术界的热点研究领域。本文研究了一种融合小生境的遗传禁忌算法及其在多目标网格任务调度中的应用研究。分析网格任务调度的内容、意义及研究现状,并在此基础上分析了网格任务调度目前存在的问题。提出一种融合小生境技术的遗传禁忌算法(NGATS)。基本思想是针对遗传算法在全局优化问题中容易出现早熟和收敛速度慢,禁忌搜索强烈依赖于初始解等问题,本文根据遗传算法和禁忌搜索算法自身的特点,分析两者的优势和不足,提出了一种融入小生境技术的遗传禁忌算法(NGATS)。该算法采用融入了小生境技术的遗传算法作全局搜索,用禁忌搜索算法作局部搜索,可以加快收敛速度,同时可以抑制早熟现象,避免过早收敛到局部最优。分析和实验结果表明,该算法能很好的抑制早熟收敛,同时在计算速度和计算结果方面都有改进,是一种快速有效的优化算法。针对在动态、复杂的网格系统中,资源的失效非常频繁,影响网格计算的服务质量和效率的问题,将上述算法NGATS应用于多目标网格任务调度,形成一种新的融合小生境的遗传禁忌的多目标网格任务调度算法(NGATS-MOGTS),将任务生存性和任务完成时间(Makespan)结合起来,给出一个可调节的多目标集成效用函数。用GridSim模拟仿真软件对NGATS-MOGTS进行仿真实验。模拟实验结果表明,NGATS-MOGTS能够有效的平衡任务生存性和Makespan两个目标,更适合开放复杂的网格计算环境。