推动科技发展的科学工作流技术可以充分利用云环境的特点，克服地域限制，节省软硬件资源。为了提高用户满意度，将科学工作流置于云环境下，进行任务调度具有重要的意义。以往的研究通常将调度问题转换成单准则或带约束的情况，论文利用多目标优化的方法，充分考虑云的弹性特点，以最小化工作流任务调度的完成时间和执行成本为目的，提出改进算法：快速非支配排序分布算法NSGAeda，避免了转化的过程，真正实现云计算面向服务的宗旨。用来进行模拟调度的算法NSGAeda是将快速非支配排序算法NSGA II和分布估计算法EDA相结合，利用种群的收敛性质，不等概率的使用遗传操作或者是建模采样产生新的种群个体。该算法充分利了个体的局部信息和种群的全局信息，使得最优解的分布更加均匀，并且缩短了种群的收敛速度。将改进算法NSGAeda应用于云环境下的科学工作流的调度，并在模拟器CloudSim上进行模拟仿真。采用神经科学工作流作为工作流应用进行调度模拟，并且与NSGA II的调度结果进行对比验证。同时为了检测生成解的质量，定义了界限函数。实验结果表明，该算法具有良好的寻优能力，平均最优解不超过最低界限的2.5倍，性能优于NSGAII算法。改进算法充分利用了云环境下资源按需使用，用时付费的特点，使得完成调度任务的时间和费用相对较低，提高了资源利用率，满足了用户对服务质量的需求。