迁移工作流(migrating workflow)是近年工作流管理研究的一个新方向。基于移动计算范型的迁移工作流系统包括工作流引擎、迁移实例和工作位置三个要素。工作流引擎完成工作流过程定义、迁移实例生成和多迁移实例协调等工作；迁移实例是任务的执行主体；工作位置包括停靠站服务器及其管理的工作机网络，是迁移实例的运行场所。工作流业务过程根据业务目标的复杂程度被映射为一个或多个迁移实例。迁移实例为完成任务将根据自己的旅行图在工作位置间迁移。停靠站服务器作为迁移实例的运行支撑平台和工作机网络的负载分配器，必须有良好的服务主体优选机制，以提高工作机网络的性能和资源利用率。本文根据迁移工作流的概念模型和迁移工作流系统参考框架，基于遗传算法和Pareto优化方法对停靠站服务器的服务主体优选机制进行了研究，提出了一个使工作位置多资源负载均衡的算法。该算法首先建立了服务主体优选的数学模型，构造了问题的多目标函数，并利用遗传算法对迁移域中的工作机状态进行编码；遗传算法的优化结果可能引起正在运行的迁移实例脱离其迁移域，本文提出了编码固定点的概念，以保证相应迁移实例的服务主体不发生变化；随后给出了适应迁移工作流特点的初始种群的构造方法以及相应的选择、交叉、变异等操作算子。但是，上述方法把多目标问题单一化，得到的解可能引起较多的迁移实例进行二次迁移，反而增加系统负载。本文继而采用Pareto方法对算法进行了优化：首先使用Pareto基于排序的适应度函数代替原来的适应度函数，并使用与此适应度函数相匹配的选择算子；然后在算法过程中增加了Pareto最优解集和精英保留策略，并给出了排除非法解和选择决策方案的算法过程，确保算法结果最优。比较基于Pareto遗传算法的服务主体优选机制和抽取权因子的模糊评判算法的实验运行结果，可以看出该算法能够很好的实现多资源的负载均衡，提高系统性能和资源利用率。