网格计算是近年来信息技术领域的热点研究课题,它是指在动态变化的异构环境中,共享资源和协作解决问题。由于网格具有大规模、异构、动态、分布和自治等特性,在网格计算中如何最有效的管理和利用网格资源来最有效的完成各种计算任务和满足用户的需求是一个重要的研究内容,即网格任务调度问题的研究,也是一个NP难问题。因而以求近似最优解为目的的启发式算法受到了极大的重视。到目前为止,人们提出了很多任务调度的启发式算法,如遗传算法和蚁群算法等。采用调度启发式算法来直接构造调度方案,虽然能够有效进行任务调度,但由于自身存在一些固有的缺陷,很难满足网格环境用户同时对多个相互冲突的任务调度性能目标的需求。鉴于此,本文针对网格计算中的网格任务调度多目标问题,通过深入剖析多目标最优化理论及其算法,根据当前群体情况进行自适应地改变邻域半径,避免了传统邻域策略所引起的邻域半径取值影响群体分布性的问题。然后,通过结合网格任务调度的原理,利用多目标进化的方法来求解多个目标的网格任务调度问题。通过对网格计算任务调度算法的研究,本文得出以下三个主要结论：1、提出了基于自适应邻域的多目标进化算法-ANMOEA算法。该算法利用自适应邻域半径进行密度估计,维护群体的分布性。实验结果表明,与NSGA-Ⅱ算法相比,ANMOEA算法在保持群体分布性和收敛性上具有较好的性能。2、提出了基于自适应邻域的多目标网格任务调节算法-ANMO-GTSA算法。该算法利用本文提出的ANMOEA算法来快速地解决网格计算任务调度中多个相互冲突的性能目标的协同和平衡问题。3、对提出的算法进行实验仿真和性能分析。利用网格调度模拟工具包GridSim进行了大量的仿真实验。统计结果显示ANMO-GTSA算法具有较优的运行性能,并且能得到比Min-min、Max-min算法更优的调度结果。