作为新兴的计算服务模式,云计算的可扩展和资源按需分配等特性使其在学术界和业界获得了巨大的发展动力,众核计算资源得以利用,特别在科学计算领域。很多复杂的应用任务以工作流形式部署。大数据时代,数据积累速度远大于其处理速度,传统工作流调度已无法应对日益增长的数据规模和分析复杂度。如何处理工作流与云计算下的众核计算资源关系显得尤为重要,相关研究工作才刚刚起步。因此,云计算下面向众核的工作流调度具有理论研究意义和实用价值。本文的研究是在对云计算、众核计算以及工作流分析的基础上,探究工作流调度算法,试图解决或部分解决目前经典算法中的常见问题,并将所提出的算法应用于工作流调度框架中。本文研究工作的主要贡献如下:其一,考虑云计算环境下众核平台的资源调度与用户计算需求,结合遗传算法的思想,本文提出了约束条件下自适应再进化云工作流调度算法(简称AGAR算法),采用修正均值计算相关参数,及自适应惩罚函数修正适应度,引入再进化策略,并给出一种综合时间约束和代价约束的调度策略评价指标,寻找最优调度策略,最终实现了在满足用户所提计算需求的前提下,最小化执行成本的调度目标。本文实验依据前人工作选取了四个科学工作流用作测试数据,主要针对用户提交的有依赖计算任务,分析对比多种调度算法在综合评价指标下的表现,表明了本文提出的AGAR算法调度策略表现较优。其二,对云工作流调度框架进行研究。分析了云工作流的计算需求、数据处理需求以及云工作流调度面临的挑战;分析了多种类型众核计算资源难以利用与协作的问题;提出了四层云工作流调度框架,并设计配套原语集合;结合动态脚本语言和云服务特点,在透明云环境动态脚本支持子系统中集成云工作流调度框架。