网格是新一代的互联网,资源调度是网格系统的最核心组成部分,由于网格上的资源具有分布性、异构性、动态性等特点,使得网格中资源共享的实现比以前的系统更加困难。而神经网络是一门模仿人类神经中枢——大脑构造与功能的智能科学。具有卓越的自组织、自学习能力;善于在复杂环境下,快速获得满足多种约束条件问题的最优化答案,所以把神经网络引入到网格的资源调度当中,可以很好的发挥神经网络的优势,更好的解决网格的资源调度问题。本文基于网格的基本概念、特点,研究了目前比较流行的网格体系结构,讨论了典型的网格技术与资源调度系统,对两种主要网格资源模型做了深入分析的基础上,提出了分层的资源调度模型和一个结构简单功能完整的资源调度系统结构,把前向反馈神经网络模型中的BP算法应用到网格资源调度当中,详细阐述了BP算法在网格资源调度中的具体应用。在比较了几种常用的网格仿真工具的基础上,选择了GridSim这一网格建模与仿真工具箱。在GridSim工具箱的仿真环境下,运用JAVA编程语言,对基于BP算法和优先级算法的资源调度进行了仿真实验。仿真实验结果表明:基于BP算法网格资源调度的结果与优先级算法的结果相比,BP算法的任务响应时间较快,分配的任务更加合理,能够高效的利用网格计算资源。