计算网格系统实现了不同地理分布的异构资源的共享、选择和聚合，以解决在科研、工程、经济学等领域大规模的计算问题。网格资源的异构性和地理分布性使得在大规模分布环境中的任务调度成为一个复杂的问题，而任务调度算法性能的好坏直接影响着网格系统的使用率和吞吐量。遗传算法是建立在自然选择原理和自然遗传机制上的新型优化算法，有着简单、通用、健壮性强、适于并行处理以及高效实用等显著特点，因此，我们主要采用遗传算法来解决网格环境下的任务调度问题。本文对任务调度算法作了如下几个方面的改进：1、从考虑网格系统中各台机器的负载均衡性出发，提出了基于虚拟截止期的元任务调度算法。参考平均闲置时间来设定任务调度的优先级，从而缩短了任务的时间跨度，并使得负载均衡性得到了提高；2、提出了结合免疫原理的遗传算法。通过重新调整算法的结构，保证了种群的多样性；通过接种免疫疫苗，使算法的求精能力得到了显著的增强。该算法缩短了时间跨度，并具有很好的收敛性能；3、研究了信任的定义及信任模型，并针对特定的信任模型，提出了新的遗传算法。通过设计新的编码方案，选择相应的交叉、变异算子，实现种群的多样化，使算法的平均信任效益值得到了明显的提高；4、指出了经济因素在网格系统中的重要性。针对本文的经济模型，提出了确保任务在截止期内完成，同时尽可能最小化任务的时间和费用的遗传算法。算法同时考虑了子任务之间的通信和费用，弥补了Buyya算法只考虑没有依赖关系的任务调度以及只能单方面考虑时间或费用的缺陷。