理论,计算和实验材料科学与工程的最新进展,不仅是加快新材料发现速度的保证,而且减少了将这些发现作为新产品推向市场所需的时间。利用高通量密度泛函理论(DFT)计算进行新材料的筛选和基础研究,为材料科学和材料创新提供了有趣的设计机会。高通量DFT通常涉及对数万甚至数十万化合物的计算和规模的这种变化需要新的计算能力和数据管理方法。到目前为止,为了确保及时的计算,这种高吞吐量DFT材料模拟必须在专用高性能计算机(HPC)上运行。然而,随着生产和分析材料数据所需的工作数量和复杂程度的增加,HPC环境在合理的时间内解决给定的科学问题成为一个挑战。最新的计算范式,网格和云计算的出现,使科学和IT领域都发生了巨大的变化。一方面,网格计算允许不同种类的资源,以安全的和灵活的方式,从个人电脑到超级计算机进行访问,以解决在科学和工程领域所产生的大规模共享问题。另一方面,云计算是网格的进一步发展,它带来了巨大的机会,以相对较低的成本托管和运行来自不同领域的现实应用,而不需要拥有任何IT基础架构。此外,它还可以通过互联网向消费者提供各种硬件资源作为服务。考虑到在HPC上运行高通量DFT计算的障碍,本文旨在研究在云和网格计算环境中运行高通量DFT材料模拟,以充分利用地理分布和互连的大规模异构来自网格提供的自主资源,同时受益于从动态弹性方式获取大量云资源的可能性。在本论文中,为处理网格和云计算环境中的作业调度问题设计了新算法。以下详细地论述了主要贡献:1)提出了一种有效的作业调度算法,称为两种选择调度算法(TCSA),用于动态分配作业到资源,以最小化作业执行时间,并最大限度地提高云环境中的资源利用率。2)开发了一种改进的粒子群优化算法(PSO)来解决网格环境中的作业调度问题。开发的PSO算法旨在同时最小化最长执行时间的作业调度和所有任务的执行时间3)为解决云计算环境中的作业调度问题设计了基于随机化的负载均衡算法。该算法旨在通过在云中均匀分配资源之间的工作负载,从而最小化作业执行时间并最大限度地提高资源利用率。4)提出了一种简化版本的粒子群优化算法(PSO)来解决云计算环境中的作业调度问题,以完成时间为目标。为了评估所提出的算法的性能,我们通过在不同的场景下进行几个模拟实验,将所提出的作业调度算法与几种现有的最新调度算法相比较。实验结果表明,我们设计的算法工作得很好,能够在合理的时间内找到最优或近似最优解。此外,我们的方法在上述目标方面显著优于其他比较算法,特别是当调度问题变得太复杂或太大时。