云计算的动态性、异构性和不可预测性等特点,使得其资源分配和任务调度技术面临很大的挑战,加之大量用户对于服务质量(QoS)的需求,使得必须制定一个合理有效的调度方案才能使云计算资源得到最优利用。粒子群优化算法(PSO)是近年来应用于该领域较多的算法之一,但传统PSO存在收敛速度慢、容易陷入局部最优等问题。并且,现有的云计算任务调度存在一些缺陷:单纯地以最小化执行时间或成本为目标、未考虑资源的异质性和性能波动、忽略了数据传输时间等。本文结合工作流思想,从用户对截止时间的要求出发,主要研究了以下内容:其一,本文针对传统PSO的局限性,提出了一种具有双重适应度的粒子群优化算法(DFPSO),将云计算工作流的执行时间和总成本分别作为时间适应度函数和成本适应度函数。并且,根据本文调度问题的目标设计了双重适应度下的历史寻优规则和全局寻优规则。其二,通过考虑云环境下工作流执行过程中的时间控制,本文设计了一个工作流执行流程算法,结合DFPSO算法,最终得到一个云环境下基于截止时间约束的工作流任务调度策略。该策略考虑了虚拟机的异质性和性能波动,以及任务间的传输时间,调度目标为:在满足截止时间约束的前提下最小化总成本。实验使用CloudSim仿真平台,选取了四个典型科学工作流作为测试工作流,将ICPCP和PSO调度策略作为对比算法,通过分析三种调度策略在不同截止时间约束下的时间、成本表现,表明DFPSO具有较佳的寻优表现,该策略能较好的满足用户截止时间的要求,并且可以大大节约成本和时间。