随着计算机硬件性能的不断提高和网络通讯技术的深入发展，对计算机的应用需求日益朝着高性能、大规模、多样性、多功能的方向发展，客观上要求将地理上分布的、异构的各种计算机资源，包括计算资源、存储资源、数据资源和其它特殊资源等，通过高速网络连接起来，实现高性能联合计算，共同完成单一机器无法独立完成的重大应用问题，即广域高性能的元计算技术【1】，也称为网格计算技术【2-4]。不同于传统的分布式计算，网格计算着重于大规模的资源共享、创新应用，并在一定程度上定位于高性能计算，已经成为一个重要的研究领域。 近年来，随着网格技术的发展，以服务为中心逐渐成为网格发展的趋势；那么就有了这样的问题：当某个应用需要使用网格服务时，从使用者服务成本与网格系统整体效率综合考虑，怎样从当前网格中选择可以提供最佳服务的节点呢?这是一个NP(Nondeterministic Polynomial)问题。 针对这一问题，本文通过借鉴P2P网络的相关技术，提出了基于非集中式拓扑的有界泛洪机制，并引入了网格服务类型的概念，在此基础上将网格划分为不同的虚拟子网，进而提出了基于服务类型的非集中式网格资源模型。 之后在网格系统中引入了代理服务的概念，将网格服务进一步划分为类型服务与代理服务，提高了应用节点对资源初步筛选的效率。 对于资源的深度筛选，本文通过对基本遗传算法的改进，提出了一种自适应并行遗传算法(NAPGA)来对资源进行深入选择，仿真实验表明，这一策略可行、有效。