网格是继Internet和Web技术之后又一次重大的科技变革。在网格计算环境中,任务调度是影响系统性能和服务质量的关键问题之一,已经被证明是一个NP完全问题,所以它引起了众多学者的关注,成为一个研究的热点。目前,很多网格任务调度算法是针对元任务的调度问题而提出来的,但是,许多领域的网格应用,如生物信息学和天文学等,都需要考虑任务间的依赖关系。在资源异构、广域互连的网格计算环境中,任务间的依赖关系对传统的调度算法提出了新的挑战。任务调度的主要工作是确定任务的执行次序以及为任务分配合适的资源。可以用一个有向无环图(DAG)来描述任务间的先后执行约束关系。而另一方面,蚁群算法是一种新兴的有效地求解NP类问题的智能启发式优化算法。它具有较强的正反馈效应、鲁棒性和内在的分布并行性,且易于和其他方法相结合。但蚁群算法初期信息素匮乏,求解速度较慢。本文在考虑时间和花费两项用户QoS需求的基础上,提出了GCAA和GTAA两个网格任务调度算法。先采用GC(Greedy Cost-Time Distribution)算法或GT(Greedy Time-Cost Distribution)算法求解,将所得解转化为蚁群算法的初始信息素分布,然后利用蚁群算法获得调度解。模拟实验结果表明：在网格环境下,本文提出的调度算法具有明显的优势。