网格是一个集成的计算与资源环境，它将网络上分布在不同地理位置的各种资源整合起来，以实现资源的全面共享。网格任务调度是网格研究的核心内容之一，其要解决的问题是如何合理地把任务分配在不同的资源上，使整个网格系统达到最佳的性能。由于网格中资源的分布性、异构性、动态性和自治性等特点，使得任务调度变得极其复杂，因此研究并提出一种网格环境中的合理高效的任务调度算法具有重要意义。　　 混合蛙跳算法（SFLA）是最近发展起来的一种用于解决最优化问题的启发式算法。本文在介绍了网格及其任务调度的概念和特点的基础上，首次将混合蛙跳算法应用到网格任务调度问题中，并分为元任务调度和依赖任务调度两种情况进行了研究。　　 在元任务调度中，本文结合了网格任务调度的问题本质，提出了一种基于混合蛙跳算法的SFLAPS算法，它对原算法主要作了如下改进：利用Min-Min算法改善了初始种群质量；提出了离散化的局部更新机制和基于概率选择的局部更新机制，以适应调度问题；引入子模因群对局部更新策略进行优化，避免早熟收敛。文中详细设计了SFLAPS算法的各个组成部分，然后用GridSim做了大量的仿真实验，找出适合于网格任务调度的算法参数的指导范围，并和Min-Min算法、遗传算法进行比较分析，验证了SFLAPS算法在解质量，稳定性和收敛速度方而的优越性。　　 在依赖任务调度中，首先对问题进行了描述，确定了任务及其关系的表示和存储分别使用DAG图和依赖矩阵。本文在元任务调度算法SFLAPS的基础上，提出了可用于依赖任务调度的RS-SFLAPS算法，分析了算法的思想和将依赖任务转化为元任务的方法，给出了编码解码方式和实现流程，然后用GridSim仿真并在解质量和资源利用率上和RS-MinMin算法作了比较，以说明它的合理性和有效性。