زمانبندی باید به گونه ای انجام گیرد که بتواند زمان اجرای کل برنامه را با توجه به زمان وظایف و ارتباط بین پردازنده ها، کمینه نماید. با توجه به np-hard بودن مسئله زمانبندی گراف وظایف، رویکرد های مبتنی بر روشهای قطعی در این زمینه کارا نخواهند بود، بنابر این استفاده از پردازش تکاملی و به طور عمده الگوریتمهای ژنتیک برای حل این مسئله موثر می باشد. در این پایان نامه به بررسی زمان بندی ایستای وظایف در محاسبات گرید و حل آن با استفاده از یک رویکرد تکاملی، پرداخته می شود. ثابت شده است که مسئلـه زمان بندی در محاسـبات گرید، یک مسئله np-سخت است و بنابراین می توان از روش های مکاشفه ای برای حل آن استفاده کرد. از آن جایی که الگوریتم ژنتیک یکی از روش های مکاشفه ای مفید برای حل مسایل np-سخت است، بنابراین می توان از آن برای حل مسئله زمان بندی ایستای وظایف در محاسبات گرید استفاده کرد. از جمله مشکلاتی که برای الگوریتم های ژنتیک سـاده می توان نام بـرد، هم گـرایی زود رس و زمان اجرای طولانی برنامه زمان بندی می باشد.بنابراین برای غلبه بر مشکلات ژنتیک ساده، الگوریتم ژنتیک موازی برای این کار پیشنهاد شده است. شبیه سازی و نتایج عملی نشان می دهد که در الگوریتم های پیشنهادی به دلیل استفاده از جمعیت بزرگ تر و مهاجرت کروموزوم ها مابین زیرجمعیت ها، زمان اتمام وظایف بهبود یافته است. هم چنین به دلیل تقسیم جمعیت به چند زیرجمعیت، سرعت اجرای برنامه زمان بندی نیز کاهش یافته است.