科学工作流是进行大规模科学计算的高效模型,能够将复杂的科学计算任务拆分成若干个相对简单的子任务进行分布式处理。科学工作流管理系统就是建立在分布式计算平台上使用科学工作流模型进行科学计算的系统。随着科学计算规模是日益扩大,传统的分布式平台已经渐渐不能满足科学工作流系统的需求。云计算技术的出现给科学工作流管理系统提供了全新的平台,由于它具有规模庞大,按需服务,高扩展性等特点,非常适合科学计算的需求,越来越多的科学工作流管理系统添加了对云平台的支持。作为云计算中基础服务模型之一的基础设施即服务（IaaS）模型,使用网络技术管理着大量以虚拟机形式的计算资源,以按需付费的方式提供给普通用户,这使得IaaS平台成为最适合部署科学工作流的云平台。然而科学工作流应用在IaaS环境下的高效调度仍面临着诸多挑战,用户需求的多样性,工作流任务间繁多的关联性等都增加了这一问题的复杂度。本文针对IaaS环境下科学工作流调度问题展开研究,所做主要工作包括如下:（1）针对IaaS环境下截止时间约束下单目标工作流调度问题,提出一种新的启发式调度算法DCWS。该算法根据工作流的截止时间、每个任务的子截止时间等启发式信息将任务分配到合适的虚拟机实例上,在保证截止时间约束的条件下尽可能寻找到使工作流执行总花费最小化的调度方案。实验结果表明,相比现有的算法,DCWS算法可以找到更优的调度方案,同时还具有更高的调度成功率。（2）针对IaaS环境下时间-费用这两个目标同时优化的调度问题提出了一种新的基于模糊支配排序机制的列表式调度算法FDHEFT。FDHEFT算法在每次迭代的过程中根据上轮保留的中间调度方案生成新的中间调度方案,在这个过程中引入了一种新的机制保障新生成的调度方案互不相同使得生成的调度方案数目最小,极大地提高了算法运行的效率。实验结果表明FDHEFT算法可以更加高效的找到更优的调度方案。（3）针对IaaS环境下需要更多目标进行优化的工作流调度问题,提出了一种新的元启发式调度算法MEAC。该算法是在现有多目标进化算法的基础上,针对科学工作流调度问题和IaaS平台的特点设计了新的染色体编码方案,以及该编码方案下独特的遗传算子（交叉、变异算子等）。实验结果表明,在大部分情况下使用MEAC算法能够比其他经典的多目标工作流调度算法获得更好的调度结果。