现代科学在生物信息、地球科学等领域都以工作流的形式模拟分析现实生活中的活动,云计算的迅速发展为部署这种大规模工作流提供了很好的计算平台,异构云环境中如何有效地实现工作流调度已经成为近年来研究的热门问题。由于现有关于云工作流调度的研究偏向于费用或时间最小化等单目标优化无法满足用户的多样性需求,因此云服务商需要从多目标角度出发进行研究,提供更优的服务获得更好的经济效益。本文以时间、费用和安全作为任务调度的优化目标提出基于启发式的调度算法,主要的研究工作如下:首先,针对云环境下工作流执行时间最小化与安全性需求问题,提出总体缺乏度的思想,在异构最早完成时间算法的基础上提出安全感知的启发式工作流算法,保证任务执行安全性的同时优化工作流的执行时间。其次,在总体缺乏度思想的基础上,针对截止期限约束下满足任务执行安全的同时工作流费用执行最小化问题,提出一种改进的基于就绪关键路径的工作流调度算法。设定任务的向上权值,将工作流分解成就绪关键路径集合。结合首次适应插入算法,采用及时完成和最小费用增长代价的虚拟机选择策略形成备选资源集合,整体分配就绪关键路径到最便宜且保证安全的虚拟机实例,压缩数据通信开销减少工作流的执行代价。最后,从工作流分层的角度出发,针对上述同一问题在总体缺乏度思想的基础上提出改进的基于严格分层的工作流调度算法。引入虚拟节点并将跨层边按层分解实现工作流的严格分层,同时采用子任务升级策略使层级任务的执行时间达到平衡。将工作流的截止时间分解到各层,按照向上权值制定任务的调度顺序,对各任务按其所在层的层截止时间寻找最佳虚拟机实例,实现执行代价最小化并保证任务执行的安全性。通过Workflow Sim仿真平台选取了同类优化算法对比实验,实验结果表明:安全感知的调度算法在保证合理执行时间的前提下任务执行的安全性上优于现有算法。基于就绪关键路径和基于严格分层的算法,在截止期限的约束下,相对于现有算法拥有更低的执行代价,并能保证任务执行的安全性。