科学工作流作为一种新的应用泛型具有众多优点,例如可提高科学实验过程的自动化,在很大程度上能节约人员和资源的的消耗。科学工作流的任务一般具有数据量大、计算复杂的特点,常规的计算环境已很难满足需要。因此,为科学工作流寻找合适的计算环境至关重要.云环境可提供无穷的计算和存储能力,具有经济、可伸缩和Pay-as-you-go的支付方式等特点,可满足科学工作流任务数据量大、计算复杂的特点。但是,云计算环境为科学工作流执行所提供的服务要按需收费,而提高科学工作流的执行效率同时也是降低执行费用的关键。针对云环境下的科学工作流,以提高处理机利用率、降低费用为目标,提出了一种科学工作流执行优化策略。该策略主要针对提前科学工作流完成时间和减少处理机空闲时间这两个问题进行探讨。首先,基于合理的任务复制和分簇,可实现关键任务的尽早调度,进而使整个科学工作流的最早完成时间得以提前;在此基础上,为充分利用任务簇中任务间可能的空闲时间,对任务簇进行聚集,可提高处理机的利用率。其次,通过对已聚簇的工作流任务集使用任务后向优先合并的方法,可实现任务间空闲时间片的有效利用,进而优化工作流的完成时间;另外,为充分利用任务的松弛时间,提高工作流的执行效率,允许任务在调度过程中违反局部最晚完成时间的约束。仿真实验表明,本文提出的方案能够提高任务间的并行度,提前工作流的最早完成时间,同时充分利用处理机的闲置时间,从而提高处理机的利用率,降低科学工作流的执行费用。