网格计算技术是当前国内外通信领域研究的热点之一。网格任务调度是以一定的优化目标为指导，解决如何合理匹配网格资源和网格任务，并将任务调度到资源上运行的问题。任务调度是提高任务运行性能、实现网格资源共享的关键技术之一，是网格研究的核心和难点。 本文针对计算网格中高吞吐率应用的任务调度，提出一种负载均衡的启发式调度方法，在减小总的任务完成时间的同时使网格资源也得到有效的利用，提高了系统的吞吐率，为日后的大规模任务调度、信息处理提供优化服务。 高吞吐率计算中的任务大多表现为Bag-of-Tasks(BoT)应用。论文研究了Bag-Of-Task应用的特征并分析了由于网格资源的自治、动态等特性引起的任务调度的特点。在此基础上，以批模式调度为研究对象，用所有资源节点的性能度量值来计算每一任务的总的执行时间的加权平均值，并以总的任务预期完成时间最小为目标，提出基于资源性能度量的加权平均最难完成任务分配给完成时间最短的资源节点的策略，再进一步考虑充分利用网格资源的情况下，加入负载均衡机制，进而提出负载均衡的加权平均最难完成任务分配给完成时间最短的节点的调度算法Load-BalancingAddedWeightedMeanMostDifficultTasktotheNodewithMinimumCompletiontimeSchedulingAlgorithm(简称LAWMD-min算法)。论文对LAWMD-min算法进行定性分析，并对该算法进行了仿真研究，通过仿真试验检验LAWMD-min算法在减小总的任务完成时间和提高资源利用率两方面的性能，与Min-min算法、Max-min算法和Sufferage算法进行比较，证明了本文算法的有效性，也正是由于本算法对这两方面的优化使系统的吞吐率得到提高，更好的解决了高吞吐率应用的任务调度问题。