作为一种商业服务模式和计算模式,云计算在工业领域和学术领域均己获得了广泛的关注。得益于其灵活性和便利性,海量工作流应用可以在云平台上同时被处理。当前云环境下数据中心为应用服务的资源使用效率仍然存在较大提升空间,如何高效省时地为工作流调度资源仍旧是一个待解决的热点问题。目前云环境中的任务调度策略在调度过程中对上面两种目标的兼顾不足,因此研究基于资源利用率和用户时间开销的工作流任务调度策略有重要意义。文章在分析国内外学者研究成果现状的基础上,针对云用户在处理应用时关注完成时间而云供应商主要考虑资源使用情况这一现实问题,提出云环境下工作流时间开销模型和云数据中心资源利用率模型,进一步做出了以下工作:(1)在上述模型的基础上,提出了一种针对并发工作流的动态任务调度策略,该方法通过分析关键路径得出工作流中任务的优先级,然后结合数据中心实时资源使用情况做出任务调度,并考虑高优先级任务抢占优质资源,确保兼顾工作流时间开销以及数据中心资源利用率。仿真实验结果证明,提出的算法有一定的优越性和可行性。(2)提出云环境下基于遗传算法的工作流任务调度策略,算法对传统遗传算法中的选择、交叉和变异操作结合任务优先级和资源利用率进行优化,每个迭代进行两次筛选,交叉部分保留优质基因并根据交叉结果扰动,变异操作考虑优先级,提高算法寻找优秀解的能力。实验结果证明了该算法在优化工作流的时间开销和提高资源利用率方面的优越性能。