针对在蚁群算法中初始参数设置对算法收敛性能的影响较大，提出了一种新的改进蚁群算法NACA(new ant colony algorithm)，针对蚁群算法中的四个关键参数随机编码，得到初始的染色体，从而获得一组较优解；再利用遗传算法的优点对上一步的结果单点顺序交叉、对换变异、选择操作以产生更好的解；然后以这组数据为蚁群算法下一次的工作备选值，并进行最大次数的循环迭代直至停止，即求得参数组合的近似最优解。将它应用于网格系统任务调度中，系统的性能得到了明显的改善。仿真模拟结果表明，所提出的算法具有更短的调度长度和更宽的适应性,当任务已知时，执行时间约缩短了217%，且负载变化时对网格中各处理器资