迁移工作流(Migrating Workflow)是将移动agent计算模式应用于工作流管理的一门新技术。迁移工作流是一个或多个迁移实例(Migrating Instance)在不同工作位置(Work Place)之间不断迁移并就地利用工作位置服务执行业务活动的过程,其中,迁移实例是工作流活动的主体,工作位置是为迁移实例提供服务的节点。迁移工作流大大提高了工作流系统的环境适应性和灵活性,因此迁移工作流模型受到了研究人员和业界的广泛重视。随着开放式网络环境的发展,网络环境提供了一个真实的、动态变化的、相互联系却难以精确预测的复杂信息环境,在迁移工作流模型中,迁移实例(即移动agent)是任务的执行主体,并被解释为运行期间在工作位置上合并静态工作流说明、本地规则和策略以及用户决策的效应；工作位置是资源和参与者的抽象表示。迁移实例能够利用当前工作位置的资源完成所携带的一项或多项任务。若所在的工作位置已无法满足当前任务请求,迁移实例就携任务请求迁移到另一个能够符合其需求的位置上继续执行任务请求。迁移实例根据何种推荐策略找到满足当前任务请求的下一个工作位置是迁移工作流研究中的一个重要课题,极大地影响到工作流系统的执行效率以及对环境的适应性。本文提出基于信任的工作位置网络模型,并由此给出迁移工作流中的推荐服务方法。本文首先提出基于信任的工作位置网络模型。在人际网络中,信任关系是人际关系的核心,信任是对特定个体可信行为的评价,个体的信任度往往取决该个体在与其他个体合作时所体现的能力。工作位置网络与人际网络有很大的相似性。网络中的工作位置之间进行推荐服务时会留下反映其行为特征的信息并且任意的工作位置有义务为网络中其他的工作位置提供推荐信息。同时,任意的工作位置对于协作对象具有充分的选择权。根据基于信任的工作位置网络模型,本文采用工作位置进行推荐服务的方法,提出基于信任的推荐服务机制：当迁移实例在当前工作位置执行完当前任务之后,若迁移实例的目标还未全部完成,当前工作位置将使用迁移工作流中的推荐服务为迁移实例推荐出完成下一任务的工作位置。为达到更好选优的目的,迁移工作流中的推荐服务需要多个工作位置协作推荐完成,并将推荐出的工作位置放在可行域中,最后从可行域中选择最优的工作位置推荐迁移实例。在制定不同的选取推荐者的策略时,需要考虑工作位置之间的信任程度以及时间、代价等因素。时间因素包括工作位置推荐时间和服务时间。针对不同的环境要求,本文制定了两种不同的确定参与推荐的工作位置的方法来优化这两种时间因素。本文提出的基于信任的迁移工作流推荐服务机制是迁移工作流研究中的重点问题。已通过模拟仿真实验进行验证,实验结果表明,该推荐服务方法有效提升推荐服务效率,并可以较好的预防恶意推荐的发生。