网格计算是伴随着互联网而迅速发展起来的，是专门针对复杂科学计算的新型计算模式。网格计算不仅受到大型科学计算的国家级部门，如航天、气象部门的关注，而且，目前一些公司和研究所也进入这个领域，步入试用或实用阶段。简单的讲，网格计算是把整个因特网整合成一台巨大的超级计算机，实现计算资源、存储资源、数据资源、信息资源、知识资源和专家资源等各类资源的全面共享。网格资源的分散性、异构性、动态性、管理多重性等特点使得要实现真正意义上的共享存在很多的困难。如何发现有用资源并高效地调度它们成为其中的两个焦点和难点。任务调度和资源发现是网格计算中的两个关键技术，近年来己成为众学者关注的两个研究热点。任务调度算法和资源发现算法的效率直接影响到网格计算的效率和结果。任务调度问题的研究范畴是如何充分、高效、合理地利用网格收集的计算资源；资源发现问题则是研究网格如何主动地发现可用的资源，并注册、管理和监控这些资源的使用。　　 本文的主要工作围绕任务调度和资源发现两个技术展开，在分析了现有研究方法的思想和主要问题的基础上，提出了新的任务调度算法和资源发现算法。在任务调度问题的研究中，本文主要对现有的几个经典启发式调度算法：基于遗传算法的网格任务调度算法、基于退火算法的网格任务调度算法、基于蚁群算法的网格任务调度算法和基于粒子群的网格任务调度算法进行研究，并进行性能比对。另外，在分析已有经典算法的基础上，结合网格特性，提出改进的无速度粒子群算法，并将这种算法应用到任务调度的问题中，最后通过实验验证了其高效性。在资源发现问题的研究中，本文分析了泛洪、Chord、CAN、Tapestry和Pastry等经典资源发现算法的性能与主要特点，并提出了一种改进的Chord算法，以适应常见的复合查询。之后结合网格的特性和实际网络的物理特性，提出了一种基于小世界网络的资源发现算法，并通过实验证实其有效性。总之，我们的研究工作对于推动有关网格计算技术的进步与应用，有着重要意义。比如，对启发式任务调度算法的定量分析、对比，可以作为网格系统选择其任务调度算法时的参考；将改进的无速度粒予群算法应用于任务调度算法，可以减少网格计算中任务调度的总体响应时间；设计的资源发现模型，不仅提高了资源发现的效率，而且对网格计算的实际应用的推广具有一定的理论价值和现实意义。