网格环境下的任务调度问题是调度理论中的经典问题,也属于NP完全问题,因此很难在有限代价之内获取问题的最优解。网格资源具有动态性、异构性、地理上广泛分布和自治性等特点,使求解该问题具有极大的挑战。遗传算法是建立在自然选择和遗传理论基础上,是一类求解问题的并行全局的优化搜索算法,被广泛应用于解决网格环境下的任务调度问题。本文的任务为在满足任务约束、资源约束和截止时间限制的前提下,以最小化调度长度和最小化资源数目为目标,设计出网格环境下任务调度问题的有效近似算法。　　本文对遗传算法进行了改进,改进后的算法在编码、选择、杂交、变异方法上都与传统遗传算法明显不同。采用了符号编码,合理体现了问题的特点,有效控制了问题的规模;针对双目标任务调度问题,提出了向量形式的适应度函数,描述了不同解决方案在各目标函数上的性能相对关系;引入了序优化方法进行选择操作,利用序比较和目标软化两个基本思想解决了种群中优秀个体的有效选择问题;选取与编码方案相应的交叉、变异算子,实现了种群的多样性,这有助于求出近似最优解。　　最后,通过GridSim网格模拟器进行了网格仿真和调度算法的模拟,并对试验结果进行了分析。试验结果表明,GA通过遗传操作可以实现种群的进化;采用基于向量序比较与目标软化思想的选择操作,可实现对当前种群作出一定置信度的快速正确选择,并减少了相应的仿真量。