工作流是指部分或者整个业务过程在计算机支持下的全自动或者半自动。工作流关注的核心是过程,它提炼出信息处理的过程,然后研究其性质、结构和实现等。其主要解决的问题是能够自动执行多个参与者之间根据预定义的规则传递文档、信息或者任务的过程,从而达到某个预期的业务目标,或者是促进该目标的完成。近年来,工作流任务调度优化问题一直是工作流研究的热点,如果对工作流任务调度有一个高效的调度算法,将大大地改善服务质量。在工作流调度中,不同的任务被分配给不同的资源(例如虚拟机)。工作流调度是由云代理商进行决策的,其功能作为云用户工作流应用和云提供商的数据中心之间的中间人。调度算法就是代理商用来发现工作流任务和云资源间的最优映射。工作流调度算法的作用是要找到满足用户目标的调度。用户们在SLA(服务水平协议)文件上定义他们的目标,该文件是在一个云用户和一个云服务提供商之间签署的。云服务提供商可能需要满足用户多目标例如成本优化、完成时间优化、可靠性、最后期限约束、预算约束等等,找到最优的调度来满足用户的目标就是调度算法的作用。首先,本文对工作流任务调度多目标优化问题进行了详细阐述,分析了当前对该问题所进行的研究现状。本文对负载均衡、数据处理时间总和、传输的数据量、传输所花费的时间优化问题建立了模型和分析,粒子群算法作为现代多目标优化算法的代表之一,本身具有很多优点,对于其容易陷入局部最优这一缺点,文章也学习现有优秀的改善措施进行了优化,这样本文就给出了基于粒子群算法的工作流调度多目标优化方法。其次,本文根据该问题还提出了一个新的启发式方法NHMFTS,该方法的执行过程需要多次迭代,每次迭代都有具体的策略执行,而迭代次数和任务数量相同,这样整个方法的执行占用可预估的很少时间。本文还结合NHMFTS和PSO的优势,将两个方法融合为一种综合性的方法。最后,文章对上面所提出的方法进行了实现以及模拟实验,结合得到的实验数据进行了分析、对比等,同时说明了本文提出的一种新方法NHMFTS,可以在一定条件下,很大的节省了时间,间接的实现了更好的服务。