由于网络和计算机的广泛应用,以及高速低价的通信资源,使我们有可能利用地理位置分散的资源处理一些复杂的问题,例如科学计算、工程、商业等问题。正是对这些问题的研究导致了网格计算的出现。一个有效的高效的调度算法是让这些资源充分发挥作用的重要保障。传统的调度算法,虽然可以在以前的环境中很好的发生作用,但那些算法在这种新的网格环境中并不能很好的工作。所以需要一种新的有效的调度方法来适应新的网格环境,这篇文章就是在这种环境下,对网格资源调度算法的一种研究。在本文中,简要的介绍了网格相关知识,然后分析了资源调度的模型,并针对当前最流行的利用启发式算法求解调度问题进行了讨论。这里,主要详尽的讨论了两种启发式算法即遗传算法和禁忌算法。遗传算法是目前最重要的求解调度问题的启发式算法之一。首先对已存在的遗传调度解决方案进行了研究,并对已有方案的不足之处提出了改进。改进主要体现在三个方面,第一个方面是对初始化种群的改进,考虑到了每个作业中的任务个数和每个任务所需要的加工时间。由此为每个任务分配了一个权值,并根据这个权值来决定任务的执行顺序。第二处改进是对变异操作的改进,使每一个个体和基因的变异概率都是动态变化的。主要的目的是为了让优秀的个体有更好的变异概率,在较大负载资源上的任务有更好的变异概率。第三处改进是对遗传操作新产生的个体使用禁忌算法优化。禁忌算法也是一个常用的启发式算法,这里使用它对遗传结果进一步的优化。文章对提出的改进进行了相应的实验分析,首先对第一处改进和第二处改进进行了单独的测试,然后又将这两方面改进放在一起进行了测试,最后综合的测试了三处改进。测试的结果显示,改进后的算法和原算法相比有更好的性能。