Computational Grid besteht aus virtuellen Ressourcen und unterscheidet sich von HPC, da es für wissenschaftliche und technische rechenintensive Problemlösungen eingesetzt wird. Im Computational Grid werden die Ressourcen als nicht ausgelastet, weniger belastet und überlastet identifiziert. Der Lastausgleich wird im Grid aufgrund seiner heterogenen Natur und der Trennung von Berechnungen und Daten zwischen den Ressourcen noch schwieriger. Die Nutzung dieser Ressourcen durch die Koordinierung verschiedener Lasten wird immer als Optimierungsproblem betrachtet. Um dies zu erreichen, wird in dieser Forschung der Ansatz des adaptiven Ressourcen-Rankings angewandt. Diese adaptive Methodik der Ressourcenkoordination im Rechengitter basiert auf der historischen oder durchschnittlichen Last jeder Ressource zusammen mit ihrer aktuellen Last für einen bestimmten Zeitraum. Neben der Ressourcenkoordinierung führt der vorgeschlagene Algorithmus auch ein periodisches Laufzeit-Backup auf eine andere verfügbare Ressource ein, um die in der Service-Level-Vereinbarung festgelegte Servicequalität zu erhalten. Die in diesem Buch durchgeführten Experimente belegen den Vorschlag für ein optimiertes Modell und ein fehlertolerantes Modell für den Fall eines unerwarteten Ressourcenausfalls. Somit wird die Dienstqualität für beide Modelle erreicht.