网格由大量的异构资源组成，具有复杂性、动态性和自治性特点。高效的网格调度算法可以充分利用网格系统资源，提高网格处理应用程序的能力。Min-min算法是一个简单、快速、有效的调度算法，但由于总是先分配小任务而不能确保负载平衡。文中首先对网格系统中任务的数据传输和执行进行分析，计算并优化Min-min算法的任务完成时间，再根据任务需求赋予任务优先级，通过优先级安排任务调度，提高算法负载平衡能力，最后在上述分析基础上提出POTE Min-min（Priority and Overlap Transmission and Execution Min-min）调度算法。

背包问题属于著名的NP完全问题，在信息密码学和数论研究中有着极其重要的应用。在深入分析背包问题现有并行算法的基础上，本文提出了一种基于采样和MIMD结构的背包问题并行求解算法，并给出了算法性能的理论分析和在IBM P690超级计算机上的实验结果。实验结果表明，当背包实例的维数n≥40时，本算法的并行效率可达60%以上。因此，本并行算法具有较好的可扩展性，能应用于各种MIMD结构的并行机上有效地求解背包问题

可分割任务调度在科学和工程计算领域中具有重要的地位，其有效调度算法的设计对并行分布式处理的计算效率至关重要。UMR（Uniform Multi-Round）算法通过限定每次传输到工作节点块的大小，使各工作节点始终处于计算状态，不仅实现了计算资源的最大利用，而且可计算出整个任务调度的最优路数。但是：由于该算法设计中并未考虑网络带宽的有限性，因而难以满足实际计算环境的需求。为此，本文在UMR算法中引入网络带宽限制，对该算法在此条件下进行重新设计，提出一种改进的多路可分割任务调度算法LBMR（（limited bandwidth multi-round algorithm）。理论分析和基于GridSim的模拟实验结果表明：与UMR、MI、EMI等同类调度算法相比，本算法改进了其调度性能，且具有更好的实用性。

In this paper a new evolutionary algorithm is presented for the unbounded knapsack problem, which is a famous NP complete Combinatorialoptimizationproblem. The proposed genetic algorithm is based on two techniques. One is a heuristic operator, which utilizes problem-speciflc knowledge, and the other is a preprocessing technique.Computational results show that the proposed algorithm is capable of obtaining highquality solutions for problems of standard randomly generated knapsack instances, while requiring only a modest amount of computational effort.