在传统的面向任务的网络分布式系统中，譬如网络协作编辑系统、网络化协同系统、网络结构化多机器人系统等，所采取的任务分配方式都是基于节点自身资源的模型，即根据每个节点所拥有的资源和计算能力来分配任务。本项目考虑到实际的网络分布式系统中节点之间通常存在合作的情况，研究开发了一种基于网络情境资源的任务分配技术。采用该技术分配任务时，不仅仅考虑每个节点本身拥有的资源和计算能力，还考虑该节点在网络中的周围情境其他节点所拥有的资源和计算能力。这种技术能有效地利用节点之间的合作行为来完成复杂任务，并能有效地降低执行任务的获取资源的时间和通信代价，适合于执行大规模复杂任务的网络分布式系统。 该技术主要包括：1）针对网络结构化协商的情况，研究开发了基于情境资源协商的任务分配和负载均衡技术；2）针对具有资源缓存机制的网络结构化系统的特点，研究开发了一种基于“优先附着”机制的任务分配与负载均衡技术；3）针对系统中存在恶意欺骗节点的情况，提出了一种不可靠网络环境中的任务分配与负载均衡技术。 本项目提出的关键技术和算法曾获得服务计算领域著名学者、英国曼彻斯特大学Liping Zhao教授（英国服务科学管理与工程网络SSMEnetUK创始人）、高性能分布式计算领域著名学者、埃及国家遥感与空间科学机构高性能计算实验室主任Salwa M.Nassar教授的高度评价。本项目已经在50-100个节点（主要包括服务器、工作站和PC电脑）规模的网络环境中进行实验，能稳定地获得比以往基准任务分配方式更好的性能，包括任务完成的成功率、任务执行的时间等。本项目在实际环境中进行实验的相关应用技术和软件系统已经申请国家发明专利5项（已授权2项），登记软件著作权2项。本项技术中的关键算法可以被应用于具有网络结构化特征的面向任务的系统中。