地表径流变迁是改变生态环境,特别是地域气候的主要因素,而CESM的RTM模块是研究地表径流的有效途径,但这需要超大的算力,超级计算机资源的稀有与广大分散的多差异研究需求形成了矛盾。为解决这一矛盾,在研究中需要利用计算机集群来获得算力。众多的科学研究都是基于高性能计算集群,然而在集群中的分布式计算上也发展了诸多技术,例如网格计算,元计算等。网格计算可以把网络中不同位置的闲置计算设备关联起来形成一个计算集群。然而如何能够使该集群发挥出其最优的性能,缩短计算任务时间是一个难题。这就需要找到一个在异构或者同构的网络集群下,能够对任务进行拆分、分发并回收、整合,并且还要使得各个资源节点的负载均衡性好的算法。而对于网格集群运算来说,任务调度和负载均衡一直都是研究的重点。任务调度和负载均衡的重点在于对任务进行拆分分配时,首先要了解到网络中各个资源节点的自身属性以及状态信息,避免出现节点任务过于集中或节点过于闲置的负载不均衡现象,这样才可以实现最佳的调度策略。因此本文研究了以下内容:本文首先对网格任务调度技术和负载均衡技术做了研究,探究了任务调度和负载均衡在网格系统及集群网络中的重要作用。针对于RTM数值计算的特性,结合蚁群算法的多方面研究,利用蚁群算法自身蚂蚁觅食的特点做了有效的拓展。在网格系统中引进了蚁群算法,并对蚁群算法做了适当的改进,使之能够满足RTM数值计算的要求,对任务更有效的分配给匹配的节点,缩短网格任务时间。为了使集群网络管理更加灵活和提高资源利用率,避免网络阻塞,增强网络传输性能。本文利用SDN来对集群网络进行部署,同时引入蚁群算法,并根据本文研究目的对蚁群算法参数做了适当的调整,使得能够在SDN网络中规划出最优的路径,高效地利用节点资源设备,提高集群计算性能。