网格是一个集成的计算与资源环境，它能充分吸纳各种计算资源，并将它们转化成一种随处可得的、可靠的、标准的同时还是经济的计算能力，实现资源的全面共享。良好的调度是实现高效使用共享资源的重要环节，而网格资源的动态、异构、松散耦合以及跨多个管理域的特点使得网格任务调度成为网格研究的一个重点和难点。本文进行的工作主要如下：1．深入研究了网格任务调度的原理，分析了它和本地调度以及传统的分布式调度的区别，对调度器的组织结构进行了探讨，并提出了一些改进，对网格任务调度的决定因素进行了细致的分析研究。2．通过研究经典批模式任务映射算法和分析这些算法的优缺点，提出了一种新的批模式任务映射算法，对这种新的批模式任务映射算法，本文详细分析了它的启发式策略，给出了实现方法。3．遗传算法是一种有导向性的全局搜索算法，很适合解决任务调度中的优化问题。本文改进的遗传算法为了在得到更好的寻求全局最优解的能力的同时提高算法的收敛速度，对遗传算法的每一步设计都进行了深入的理论研究和实验分析，实现了基于遗传算法的网格任务调度。4．在网格模拟器Gridsim中进行了两组仿真实验。第一组是批模式任务映射算法的实验，将本文的算法、Min-min算法、Max-min算法和一种改进的Min-min算法进行了对比，第二组实验是遗传算法的实验，将基本遗传算法和本文改进的遗传算法进行了对比。结果分析表明，实验达到了预期的目的。