گرید محاسباتی یک سیستم موازی و توزیع شده می باشد که هماهنگ سازی و اشتراک منابع را در مقیاس بزرگ امکان پذیر می سازد. مالکان منابع با انگیزه های مالی، منابع خود را در اختیار دیگران قرار می دهند. مشتریان گرید نیز با پرداخت هزینه ی درخواست خود، می توانند از این منابع استفاده کنند. برای مدیریت چنین سیستم های پیچیده ای، نمی توان از رویکردهای متداول مدیریت منابع، که سعی می کنند کارایی را در کل سیستم بهینه کنند، استفاده کرد. یک روش زمان بندی با هدف بهینه سازی هزینه، باید با توجه به قیمت و توانمندی منابع گرید، عمل تخصیص آن ها به کارهای همگون و ناهمگون کاربر را طوری انجام دهد که اجرای کارها با حداقل هزینه و قبل از مهلت تعیین شده، پایان یابد. با توجه به اهمیت این موضوع، در این پایان نامه روشی مبتنی بر q-learning برای این منظور پیشنهاد شده است. در این روش سیستم جهت پاسخگویی به درخواست ها از تجربیات قبلی که در حین تعامل با محیط بدست آورده استفاده می کند، تا هزینه را در کل سیستم بهینه کند. نتایج شبیه سازی نشان می دهد که روش پیشنهادی هنگامی که کارها همگون هستند در مقایسه با روش های ذکر شده از کارایی بالاتری برخوردار بوده و در خواست های کاربر را با هزینه کمتری انجام می دهد.