2）创建资源与任务；
GridResource gridRes =new GridResource (name，baud rate，seed, resConfig，peakLoad，offPeakLoad，holidayLoad，Weekends，Holi? days)；//创建网格资源对象，参数分别表示资源名称、带宽、seed、资源特性、负载等信息。
Gridlet gridletl=new Gridlet(id，length，configuration，dependent)；//创建Gridlet对象，id表示任务号，length表示任务的计算量，con? figuration表示任务的配置要求，dependent表示任务的依赖属性。
3）编写任务调度算法，开始进行算法模拟实验；
| class min-min extends GridSim //继承GfidSim类 {public void body()//在body()编写新算法 } GridSim.startGridSimulation()； |
4）模拟结束，输出任务完成情况。
private static void printGridletList(GridletList list)；
4.3 模拟实验结果分析
在本次实验中，为了与传统min-min算法进行比较，GridSim随机构造了m个任务和n个资源，其中任务共分为三大类：硬性级时效性任务、软性级时效性任务以及尽力级时效性任务。在每次运行程序的时候，可以通过命令行参数来设置任务数目，以及任务中所需要的配置参数。设置任务数为500，资源数为250。
两种算法均能够完成调度任务，但是由于在改进算法中考虑了任务的执行效益，相比于传统min-min算法，改进调度算法能够更好的完成任务的调度，表现出了相对于min-min算法更好的性能。
5、结束语
该文通过引入效益函数，使传统的任务调度算法性能上得到了一定的改进，但是基于异构网络的新特性，该改进算法仍有不足之处，还有许多问题需要解决。这些问题主要包含以下几个方面：
1）有关分布式持续质量保证方面的研究还有待深化，基于此思想的分布式自动化测试调度算法还有待完善，比如测试任务的划分以及测试任务的结果的分析与收集等。
2）由于异构网络的复杂性，对于执行失败的任务，有必要分析其原因，如何收集信息并正确的定位出错原因也有待研究。
3）对于大任务量的实时状态以及任务结果如何做到快速查询也是亟待解决的问题之一。
4）由GridSim模拟器试验可以看出，虽然本hg文中的改进算法有效的提高了任务的调度效率，但是由于数据的不均衡性，使得性能并没有达到预想的效果，且算法的动态性适应也不足，因此对于任务调度算法仍需进一步研究。
