云计算作为分布式计算、并行计算、网格计算等衍生出的一门技术,对越来越复杂的科学计算而言具有重要意义。混合云作为云计算的一种新兴类型,它是由公有云和私有云组合而成的。科学工作流作为云环境下的大型科学计算的常用组织模型,尽管其调度问题在其他分布式计算系统中已经有了诸多研究,但是云平台尤其是混合云环境和其他传统分布式计算平台仍有着许多不同的特性,在其他平台表现良好的调度策略并不完全适用于混合云环境。因此,研究混合云环境下基于工作流的任务调度具有重要的意义。本文围绕混合云环境下的工作流调度问题以及影响用户服务质量的两个关键要素(时间和花费)展开研究。主要研究内容与贡献如下:1)分析混合云环境的特征,对混合云环境中的工作流调度问题进行建模。构建了混合云环境下的异构资源模型,同时根据所采用的工作流模型给出了所要研究的问题的相关计算模型以及计费模型。2)提出了一种截止时间约束下花费最小的调度算法DCOH(Deadline-constrained Cost Optimization for Hybrid-cloud)。该算法根据进化算法的思想,采用三段式染色体编码方式,设计了一整套全新的种群初始化方案、交叉算子、变异算子、适应度函数等。基于大量真实的工作流应用仿真实验证明了DCOH算法在混合云环境下调度的有效性。3)提出了一种基于进化算法的时间和花费最优化调度算法MOH(Multi-objective Optimization for Hybrid-cloud)。该算法在DCOH算法设计思想的基础上,引入了新的适应度评估函数、Pareto技术以及拥挤距离等来解决混合云环境下的多目标调度问题。实验表明本文提出的MOH算法在多种结构的工作流上与SPEA2~*算法相比均具有更好的Pareto前沿。