为了解决网格计算中计算任务在各个资源之间的调度问题，本文提出了一种网格环境下的任务调度算法。该算法考虑了当前网格虚拟组织下的计算资源、存储资源、带宽资源和数据资源，算法的目标是实现四者利用率最高和代价最低，即构造min-max函数，同时采用差分进化粒子群混合优化算法的任务调度算法，先对基本粒子群算法（PSO）和差分进化算法（DE）进行了分析，然后运用改进差分进化粒子群混合算法进行任务调度，经过粒子位置、速度的更新及粒子变异、杂交、选择等操作完成任务调度。与PSO算法，DE算法相比，利用差分进化的混合粒子群优化算法对min-max函数求解网格任务调度问题，经实验证明，本算法与其它调度算法比较，具有良好的性能。

论文的研究内容及成果

本论文是在阅读大量的国内外关于模拟生态算法和网格计算的文献后，基于基本粒子群算法和差分进化算法原理提出了适合于网格计算环境的任务调度算法，论文的主要研究内容包括以下几个方面。

（1）了解网格的计算环境，并且归纳出网格计算环境下任务调度的一些特征。

由于网格环境的动态性、异质性、可伸缩性、多管理域、安全性等特点，在网格环境中任务调度和其他分布式计算任务调度是非常不同，因此需要对网格计算环境的特点进行了解和熟悉，并且需要大概的掌握网格计算环境对任务调度的一些要求，为文章后面部分的设计基于基本粒子群算法和差分进化算法的网格任务调度策略提供参考。

（2）对基本粒子群算法和差分进化算法进行比较，并指出了它们的优缺点。

基于网格计算和任务调度算法的特点，深刻理解基本粒子群算法和差分进化算法的优缺点，以及两者之间的内在关联，为后面设计网格环境下的任务调度算法奠定基础。

（3）提出了基于基本粒子群算法与差分进化算法的混合算法的网格任务调度算法。

根据基本粒子群算法和差分进化算法在网格任务调度这类组合问题寻优的搜索特点，利用两者的优势，克服其不足之处，设计出PSODE混合的任务调度算法。本文研究的目标就是通过更合理的分配任务来降低网格系统总的执行效率和耗费，从而提高网格系统的总体性能。

（4）算法的测试与仿真

仔细研究了MATLAB这一网格仿真软件，根据真实网格计算环境的特点，提出了自己设计的模拟程序，并对本文所提出的任务调度算法进行了必要仿真。

仿真结果需表明，本文提出的基于基本粒子群算法与差分进化算法的混合算法下的网格任务调度算法是合理的，能够提供比原有算法更好的性能，值得进一步研究推广，研究的相应成果具有转化为巨大商业价值的潜力，可以极大地提高资源利用率，解决许多现有技术无法解决的问题或无法支持的应用。

从以上数据，可以看出在网格任务调度模型上PSODE混合算法在迭代次数取500，群体规模取20，空间维数取10时，最优值要好于PSO算法和DE算法。在进行网格任务调度时，运行的结果要采用取整方法，保证粒子运行后的结果是整数，采取的方法是：对公式（3-11）先取绝对值，在对R求模、取整，保证代表资源节点编号，例如若R取值为9，变异操作后生成的个体为[1.2013，2.5078，0.1056，4.6058，6.2368，8.7021，11.1053，15.0953，3.6706]，则对位置值进行求模、取整变换后得到的个体为[1，3，0，5，6，0，2，6，4]。