云制造可按需提供各种制造服务,任务和资源调度是提高制造服务质量的关键。本文考虑云制造环境下具有截止期约束和学习遗忘效应的工作流任务调度问题,以最小化总成本为优化目标。该问题的主要挑战有:1)由于较低的租赁成本通常会导致较长的工作流完工时间,可能违反截止期约束,而较短的工作流完工时间通常需要租赁较高价格的服务资源,导致较高的总成本,如何平衡工作流的完工时间和总成本是一个挑战。2)制造任务在分布式制造资源的场景下需要物流成本,任务的分布式并行执行可降低截止期违背的风险,但会大大增加物流成本,反之对物流成本的优化又会牺牲任务之间的并行性,如何保证截止期约束并最小化物流代价是一个挑战。3)任务在不同的服务资源上执行会产生不同的学习遗忘效应,导致可变的执行时间,如何分配任务以产生合理的学习遗忘效应是最小化执行成本的关键。针对所研究的问题,建立服务资源的学习遗忘效应模型,基于两种不同的优化思路提出两种启发式的工作流调度算法来实现工作流任务与制造服务之间的高效匹配,包括基于任务调度序列调整的工作流调度算法（WSTSSA）和基于路径聚类的工作流调度算法（WSPCH）。WSTSSA算法主要通过四个算法组件来实现工作流完工时间和总成本之间的平衡,包括任务子截止期划分、任务调度序列生成、服务分配和调度结果调整,并对任务子截止期划分和任务调度序列生成组件提出多种规则。WSPCH算法主要包含任务子截止期划分、任务聚类和服务分配等三个步骤,通过对工作流任务进行聚类并分配到同一服务的方式来减少物流代价,同时也加入了对学习遗忘效应的考虑以优化任务的执行成本。为验证所提出算法的性能,使用多因素方差分析方法（ANOVA）对WSTSSA算法的参数进行校正,选择最佳的算法组件与参数组合。将本文所提出的WSTSSA、WSPCH算法与相关工作流调度算法进行对比和分析。实验结果表明,WSTSSA和WSPCH算法的性能表现非常接近,并且在不同的工作流实例下性能表现均优于对比算法。WSTSSA算法更适合于任务数量较少、截止期较为宽松的工作流调度场景,而WSPCH算法更适合于任务数量较多、截止期较为紧急的工作流调度场景。在物流成本方面,WSTSSA算法相比于WSPCH算法具有较好的性能表现。在执行成本方面,WSPCH算法的性能表现整体优于WSTSSA算法。