工作流是科学实验的常用模型,它由许多任务、数据流和计算依赖性组成。随着互联网行业的快速发展,云计算实现了资源的统一管理并提供人性化服务,用户可以根据需要制定相应的虚拟资源。如何在满足服务质量的情况下,使云计算环境下的工作流调度执行成本最小化,已成为当前的一个研究热点。而在工作流调度过程中还需要考虑安全因素,尤其是科学工作流,如果未保证数据安全,可能会导致信息泄露或数据变更,这将对科学实验带来巨大负面影响。本文基于成本优化,针对已有算法忽略安全性问题,对工作流任务调度的计算成本、完成时间和安全性优化问题进行研究,本文主要内容如下:对于完成时间和安全约束下的成本优化问题,提出了混合共生生物搜索调度算法,首先对工作流调度问题进行建模,并将安全性引入模型,对工作流进行预处理,生成调度序列,基于时间和安全约束的启发式算法构建种群初始化方案,提高种群质量,基于进化思想设计编码方式、将惩罚函数引入适应度函数,并基于对立学习策略改进种群进化方法,提高算法收敛速度,实现成本优化目标。对于计算成本、完成时间与安全性的多目标优化问题,首先对工作流调度的多目标优化问题构建调度模型,并提出了改进多目标共生生物搜索调度算法,该算法在多目标共生生物搜索算法思想基础上,通过贪婪算法初始化种群,引入精英保存策略,增强种群多样性,保护优秀个体不被丢失,基于角度选择设计了最优解选择机制,提高了求解的精度和收敛速度,并与混沌局部搜索策略结合提升精英解的质量,避免得到局部最优解。本文利用Workflow Sim平台进行仿真实验,对提出的算法进行实验对比。基于混合共生生物搜索的调度算法从多个角度进行评估,验证了算法在计算成本方面的表现优于对比算法,并在满足截止时间内提升调度的安全性;基于改进多目标共生生物搜索的调度算法,通过对比实验证明了算法可以获得更好的折衷解,具有一定的优越性。