针对多云环境下带截止日期约束的科学工作流调度问题,提出一种基于遗传算法操作的自适应离散粒子群优化算法(ADPSOGA),目的是在尽可能满足工作流截止日期前提下,减少其执行代价。该方法考虑多云之间的通信代价、虚拟机的启动和关闭时间以及多云之间不同的带宽通信波动;为了避免传统粒子群优化算法(PSO,particle　swarm　optimization)存在的过早收敛问题,引入遗传算法的随机两点交叉操作和随机单点变异操作,有效提高种群进化过程中的多样性;在充分考虑数据通信代价和任务计算代价的情况下,设计一种基于工作流截止日期约束的代价驱动调度策略。实验结果表明,ADPSOGA在波动因素存在情况下,对工作流截止日期满足和执行代价控制方面具有良好的性能表现。