在互联网和Web之后,网格计算成为了网络互联时代的又一次技术革新。网格计算试图把全球互联网范围内的各种资源按需求进行共享与整合,其中的资源包括计算资源、数据资源、存储资源和通信资源等等。而这些资源有效地聚合和广泛地共享正是网格区别于以往其它各种共享技术的显著特征。网格的本质是在动态、跨机构的虚拟组织中协调资源共享和协同解决问题,也就是资源提供者和消费者协商资源的共享和管理,然后资源池协同解决问题。由于网格所具有的动态性、多样性与自相似性、自治性等多重特性,网格环境下的作业调度已经成为了研究网格系统性能的热点与重点。网格调度在网格系统中是非常重要的一种机制,也是网格技术的核心之一。网格调度性能的好坏会直接影响到网格系统运行效率的好坏。网格调度的主要任务是通过对资源、任务等的优选,建立从任务集合到资源集合的映射关系,也被称为网格资源调度、资源选择或分配。网格调度是典型的NP完全问题,现如今也有比较多的方法能够解决该问题,如遗传算法等。这些算法通过实践证明能够缩短任务的完成时间,并提高网格资源调度的效率。但随着网格系统的发展,出现了很多影响网格调度系统效率的因素,并使得已有的方法并不能完全满足所需要的调度性能。本文首先介绍了网格调度的相关概念、计算网格中的作业调度问题以及多目标优化的问题,并且介绍了进化算法的基本理论与框架。在文中,针对网格系统中的调度问题提出了两个优化目标,makespan和flowtime,并由此构建了网格系统环境中的多目标优化模型。本文还介绍了Memetic算法的基本理论及执行流程,并提出一种基于网格环境中的Memetic算法来优化前面提到的两个目标。在该算法中,根据网格系统调度的特性重新设计并提出了相关适应度函数、交叉和变异算子、局部搜索策略等。在局部搜索策略中采用了两个局部搜索算法,爬山算法和禁忌搜索算法,并针对特定的网格环境进行了相应的实验,实验结果表明,把本文中提出的Memetic(禁忌搜索)算法应用于网格调度系统中相对遗传算法和Memetic(爬山法)算法来说有更好的收敛性、更有效率。