网格计算系统实现了不同地理分布的异构资源的共享、选择和聚合,以解决在科研、工程、经济学等领域大规模的计算问题。然而资源共享是用户自愿的行为,用户不承担任何责任,很难通过传统的信任机制来建立用户之间的信任模型。其次,网格资源的异构性和地理分布性使得在大规模分布环境中的任务调度成为一个复杂的问题。网络信任模型和调度算法直接影响着网格系统的使用率和吞吐量。本文基于Vague集理论提出一种新的信任模型并将其应用到相关性任务调度算法中,主要做了以下几个方面的工作:1、参考社会学的人际关系模型和Bayesian网络信任模型,在Vague集合理论基础上,提出了一种基于推荐的主观信任管理模型。利用具有适合描述处理模糊概念、对象特点的Vague集理论和节点之间的信任关系与其提供服务类型有关的Bayesian网络理论,给出了P2P网格环境下基于对服务属性主观评价的信任关系的建立方法以及最优节点的选择算法。2、为了减小网格环境下不稳定性和欺骗现象对任务正常执行的影响,提出信任的更新机制和惩罚机制。分析及仿真试验表明,本模型比Bayesian模型有更好的安全性。3、将本文提出的信任模型应用到两个经典的相关性任务调度算法中。通过重新增加信任计算因子到算法中,重新调整算法的结构。针对计算密集型和数据密集型的两种不同应用做了仿真,改进后的算法以一定的时间花费为代价,有效提高了应用任务在可信方面的服务质量的需求,保证网格环境中任务安全可信的执行。