随着科技日新月异的发展,计算机网络在我们生活中扮演的角色越来越重要,可以说到了不可或缺的地步。网络中异地资源的共享能给我们带来了很多的方便,异地资源如何更好的被大家所共享逐渐成了一个新的研究方向。网格任务调度讨论的就是这一问题,设计出一个好的资源调度算法也是本文研究的主要目的。蚁群算法是一种具有正反馈机制的启发式算法,它是由意大利学者Dorigo M根据蚂蚁的觅食寻路中选择路径的过程得到启发而提出的。在这个过程中蚂蚁会释放信息素从而起到指引其它蚂蚁的作用。后面的蚂蚁会根据前面蚂蚁所释放的信息素的多少来探索路径。但基本的蚁群算法会出现局部最优早期收敛的现象,所以在有些时候并不一定能够找到最优路径。所以我们常见的应用到实例中的大都是经过改进的,在文中我们将提出一个基于模拟退火的蚁群算法用来解决网格任务调度问题。本文首先探讨研究了国内外的背景,阐述了网格任务调度与蚁群算法的研究现状,有什么地方需要完善。之后介绍了下蚁群算法的基本概念、原理以及几种变异的蚁群算法,并对网格任务进行了详细的阐述,包括网格的概念、特点以及意义并详细的介绍了几种体系结构模型还有几种调度算法,其中提出了一个新的用于网格任务调度的遗传算法,这种遗传算法采用轮赌盘选择与精英选择相结合,提高算法的效率,并且采用了一致杂交,避免基因的丢失,以及提高收敛速度。本文还详细论述了一般蚁群算法在解决网格任务调度的应用,但是一般的蚁群算法在探求路径的时候会出现局部最优,这条路径未必是全局最优,可能另外存在全局最优路径,但此时蚂蚁却可能因为已经找到一个好的路径了就会停止找寻全局最优路径了,而退火算法是一种通过一定的概率来接受较差解来避免局部最优的局部搜索策略,因此本文在基本蚁群算法中加入了模拟退火的思想,它们的结合很好的解决了这种局部最优的矛盾。仿真结果也表明,该改进算法能更有效地解决网格任务调度问题。总之,网格任务调度不管是在理论研究层面还是在实际生活应用里都有重要的研究意义。一个好的调度算法对网格任务调度的性能又起到决定作用,本文给出的研究算法能很好地解决调度问题,同时也把蚁群算法进行了领域扩展。