针对现有的网格集群资源调度方法所具有的任务调度时间长、系统负载不均衡和CPU利用率低的缺点,提出了一种基于强化学习和蚁群算法结合的协同依赖型任务调度方法.首先对调度目标模型进行了定义,然后采用改进的强化学习Sarsa算法实现集群资源的初始分配,以最小化任务调度时间为目标,寻求最优调度方案,并保存调度方案对应的Q值.在此基础上,设计了一种改进的蚁群算法实现网格集群资源到任务分配的进一步寻优,在不同资源节点上的概率选择上考虑了Q值因素,从而实现网格环境下的协同依赖多任务集群调度.在Gridsim工具下进行仿真试验,结果表明新方法能有效地实现协同依赖多任务网格集群调度,且较其他方法而言,具有任务调度时间少、CPU利用率高和负载均衡的优点,是一种适合网格环境的可行任务调度方法.