云计算是一种新型的商业计算模型。它将各种硬件设施虚拟化,采用一种按使用量计费的形式向使用者提供高效的可拓展的计算服务。随着生产力的不断提高,科学研究和生产活动需要有非常强大的计算能力来分析和计算数据量,各个行业、领域或单一组织的IT架构难以实现所需的计算要求。而云计算的优势在于无需自己购买IT基础设施、搭建私有计算平台以及管理升级软硬件资源而投入高昂的费用和人力成本。云工作流顾名思义为将云工作有关技术运用到云计算,可以使工作流更高效,云计算的效率更高和更合理分配资源。本文先介绍了相关基本概念,建立云工作流调度优化模型并阐述了不同类型的算法。由于智能计算方法在解决云工作流调度问题时,存在搜索空间不完备,搜索的效率太低的问题,提出一种多种群两阶段随机键遗传算法（MTRKGA）,系统论述了其编码、两阶段解码、种群初始化、交叉操作、个体改进,种群迁徙及进化策略与整体算法框架等内容。该算法在编码时运用n维实数编码,因此任何编码方案均可以找到对应的一个调度优化方案,因此搜索空间是完备的。在种群初始化时播入了一个基于最早完成时间算法（HEFT）的个体以及基于动态关键任务优先调度（DHEFT）个体,提高了初始种群的质量,缩短了搜索时间。在生成新种群时不仅采用了传统的交叉方法,还使用个体迁徙方法来替代变异,能更大程度的破坏个体,保证种群的多样性。在进化过程中采用多种群协同进化策略,可以使子种群逃避局部最优,加速子种群的收敛,此外还使用了两阶段协同进化策略,其中第一阶段采用基于启发式的最早完成时间解码,使算法尽快收敛到最优解的附近,第二阶段采用基于插入模式的解码方法与向前向后的解码改进（FBI）和负载均衡改进（LDI）方法进行扩展搜索,从而提高了算法的寻优能力和搜索效率。最后,为了验证所提出的MTRKGA的有效性,用C++设计实现了该算法。在各种工作流案例中与当前现有的一些经典算法(HEFT[17]、HGA[59]、LWSGA[47]、CGA[45]等)进行了比较,实验结果表明,相对于现有的这些经典算法,MTRKGA不仅搜索效率高,在相同的时间下能找到更好的解,同时还有一定的鲁棒性。