网格系统是一种可以将地理区域不同，系统架构各异的各种资源通过高速互连网络连接起来在一定范围内实现协同计算和资源共享的环境。而网格任务调度则是网格系统中最核心的部分，好的调度策略不但可以缩短任务响应时间，而且还可以控制调度费用，平衡资源负载。现有的网格任务调度策略大多强调任务最优跨度，而对任务调度开销成本关注不够；在任务调度过程中偏好于对优质资源的选择，而忽视网格资源自身的多样性，任务属性的模糊性，任务之间的相似性。　　粗糙模糊集作为一种可以有效地处理复杂系统不确定性、不精确性的数学工具，它能够能从经验数据中获取易于证实的规则知识，估计数据意义。　　人工蜂群算法作为一种分布式的群智能算法拥有较强的寻优能力，比较适合于网格任务调度。　　本文从任务集与资源匹配程度的粗糙性着手，提出一种基于人工蜂群算法和粗糙模糊集相融合的网格任务调度策略，主要研究工作如下：　　(1)引入一种新的基于用户满意度的网格服务质量评价方式。借鉴性价比的概念，本文中的用户满意度是通过对任务处理速度满意度，处理价格满意度、速度满意度与价格满意度的比值来综合权衡获得。　　(2)引入一种衡量单个资源负载能力的方式-资源负载度因子。资源负载度因子定义为当前排队等待该资源处理的任务数量比上当前排队等待该资源处理的任务数量与一段时间内资源完成任务数量之和。在动态变化的网格环境中这种方法可以从一定程度反应出资源负载强度。　　(3)提出一种基于粗糙模糊集和人工蜂群算法相融合的网格任务调度算法。首先在已完成任务集上建立一种基于任务属性相似性的相容等价类划分，然后在分类基础之上计算任务集与资源之间的基于用户满意程度的粗糙模糊隶属值，最后再综合粗糙模糊隶属值，资源负载度和资源信任度计算出资源的适应度，为后续基于人工蜂群算法的网格任务调度提供支持。