云计算市场近年来不断高速发展，云供应商不断地加入云服务市场，带来了质量更高、价格更低的云资源服务。云计算由于其能够提供几乎“无限”资源的特性，可以令个人或组织在无需构建基础设施的前提下，按照需要获取、配置和使用云资源，并按使用进行付费。不同的提供商提供了许多种类的云服务，它们有着不同的规格、不同的价格策略、不同的质量参数等。进行工作流调度时，传统计算平台难以灵活的配置需要的基础设施。因此，分布式环境下的工作流调度问题，已经从集群、网格等传统计算模式中寻求解决方案，逐渐发展到利用云计算等高效、成熟、便利的在线基础设施来寻找最优方案。然而，在云计算环境下进行工作流调度时，用户很难快速地选择合适的实例类型，特别是当多个指标需要同时优化时，这个问题变得更具挑战性。
　　因此，针对上述挑战问题，围绕云计算环境下复杂工作流的优化调度问题展开研究。主要工作包括以下部分：
　　(1)云环境下工作流调度研究综述与分析。针对云计算环境下的工作流优化调度问题，描述其相关模型和应该具备的相关知识；从新的角度对已有方法进行分类梳理与分析总结。最后，指出了当前的研究所面临的挑战与未来的发展趋势。
　　(2)基于免疫机制的工作流优化调度研究。针对在云计算环境下调度工作时，因为云实例类型众多导致难以直接选择最优方案的问题，提出了一种基于免疫机制的粒子群优化算法。该方法可以在满足截止期限约束的前提下，寻找到一个“成本-完工时间”双目标优化的解决方案，实验证明，提出的方法可以获得更好的收敛速度和效果。
　　(3)基于集聚系数的工作流切片与优化调度。针对工作流由于频繁的数据通信带来的完工时间上升、成本增加以及可能的故障风险等问题，设计了一个工作流切片与优化调度的解决方案框架。引入集聚系数判断切片效果，并在寻找调度方案的过程中根据云实例的实际情况动态的调整切片结果。实验证明本章提出的解决方案可以有效地减少工作流调度的时间和成本。