网格是利用互联网技术把分散在不同地理位置上的多种资源，包括计算资源、存储资源、通信资源、软件资源、信息资源、知识资源等全面连通与统一分配、管理及协调起来，通过逻辑关系组成一台“虚拟超级计算机”。由于网格环境中资源的分布性、异构性、动态性以及自治性等特性，使得网格资源的有效管理较之传统的分布式网络更加复杂。因此，网格资源管理成为网格的重要研究方向。 本文在对网格资源管理的现状进行了系统、全面地分析与总结的基础上，深入细致地研究了网格资源管理的四个关键技术，主要工作分为如下四个方面： (1)提出了一种基于移动Agent的网格资源管理模型。针对网格资源存在的分布性、异构性、动态性以及自治性等特点，充分发挥移动Agent的自治性、智能性等优势，有机的将两者结合起来，为网格资源管理提供了一种新的管理模型和一种有效的管理方法。 (2)提出了一种基于语义的层次化网格资源组织模型。针对现有网格资源组织模型存在的扩展性较差、占用带宽多等问题，在基于移动Agent的网格资源管理模型中，引入语义树的资源组织方式，将网格资源按照资源的语义相关性进行聚类，再将聚类结果按照树状结构进行组织，这种资源组织模型占用带宽少，提高了资源搜索效率，为网格资源发现奠定了良好的组织基础，通过仿真实验验证了本模型的有效性。 (3)提出了一种基于本体的网格资源发现策略。针对现有资源发现方法中存在的可靠性差、效率低下等问题，在基于移动Agent的网格资源管理模型中，提出基于本体的资源发现策略。该策略摈弃传统网格资源发现机制中的对称的请求与资源描述方式，采用非对称方式来描述请求和资源，并依据提出的一组规则，在SemanticObjects平台下生成网格中的资源本体、请求本体以及策略本体。采用此本体规范参与网格组织的资源与用户请求的描述，从而使得网格资源管理系统能够从语义上对资源与用户请求进行描述，从而优化资源与用户请求之间的匹配。该策略有效的解决了资源发现中可靠性差的问题，同时在很大程度上提高了系统的资源发现效率。 (4)提出了一种基于改进的并行遗传算法的网格资源调度策略。针对现有资源调度存在单点失效、通信开销较大以及调度算法效率相对低下等问题，在基于移动Agent的网格资源管理模型中，结合遗传算法的基本理论，充分利用遗传算法固有的分布式与并行性特征，来解决网格资源调度中具有的很强的分布式特征以及网格作业分配中的并发特性。并且遗传算法具有较强的健壮性，对初始化条件要求不高，运行过程中无须干预等特点，使得遗传算法在复杂的网格环境下更容易控制。因此遗传算法适合于解决网格计算环境下的资源调度问题。进一步地，使用改进的并行遗传算法来提高资源调度效率。