Internet 的流行使得人们信息通讯和协同工作变得容易，而网格可以帮助人们更进一步的共享Internet上汇聚的一切资源，包括计算资源、数据资源、CPU、存储器、数据库、应用软件、文件乃至硬件设备等。 任务调度是网格计算的关键技术之一。任务调度的作用是根据当前系统的负载情况，对系统内的任务进行调度，它是网格能否高效使用资源和快速完成任务的关键要素。网格环境中的任务调度与用户的利益切身相关，因此，任务的调度算法不仅从时间上考虑优化，而且从费用上考虑优化。 本文的研究重点主要集中在网格环境中涉及的独立任务集调度算法方面。作者在对网格和网格计算的知识背景以及该领域的研究现状进行认真分析的基础上，提出了两个新的任务调度算法。其一是根据网格环境中计算资源的 QoS(Quality of Service)属性提出的一个2-层混合启发式算法，第一层采用QGMM (Qos Guided Min Min)算法对时间进行优化，第二层在保持原有优化时间的前提下采用遗传算法的变异因子对费用进行优化。试验结果表明该算法在时间比QGMM和 Min-Min 略优的情况下费用得到很大的优化。其二是基于Min-Min的极限下压算法，主要用到了模拟退火算法的原理和装箱理论。该算法侧重于时间的优化以及提高系统平衡度。此外，本文设计并以Java语言实现了一个网格仿真系统。该仿真系统主要包括网格环境模拟模块、任务调度器模块和任务调度性能评价模块等。其中需要模拟的Internet 上的随机因素运用排队论相关知识构建，并在该仿真系统上对提出的两个算法进行仿真实现和性能分析。