目前,多数云工作流调度算法只考虑用户的单个需求,通常采用启发式算法解决单个目标的优化问题。从用户角度,运行时间和运行成本是两个最重要的性能指标,他们希望提交的应用在截止时间前完成,并能够实现运行成本最小化。另外目前已有的多数基于时间优化的调度算法,由于忽略了资源不可靠性,而导致任务执行失败,进而造成额外时间损失。针对上述问题,本文重点研究如何在截止时间范围内最小化运行成本和如何为任务选择高可靠性资源来保证任务执行的高成功率。针对运行成本和任务执行时间之间的关系,本文提出一个基于截止时间约束成本优化的调度算法。该算法的基本思想是将截止时间具体到任务的最晚完成时间、最早开始时间和最早完成时间上,获取结束任务的关键父任务和部分关键路径,依次为部分关键路径上的任务节点分配满足最晚时间限制且成本最小的资源,动态调整其他任务的时间约束条件,直到完成所有任务的资源分配,最终实现截止时间条件约束下的最小化运行成本。针对资源可靠性和任务执行时间之间的关系,本文提出一个基于可靠性时间优化的调度算法。该算法引入可靠性模型(资源可靠性和传输可靠性),将可靠性与时间作为两个优化目标。该算法首先获得多目标优化的非支配解集(Pareto front),然后按照用户偏好,选择Pareto front集中性能最好的方案作为最终的调度方案。实验表明：该算法不仅能有效降低搜索空间,减小进行搜索的时间,并且在任务规模庞大或网络拥挤时,能有效降低工作流的实际运行时间。