1.一种移动云环境下的工作流优化方法，其特征在于，包括以下步骤：步骤S1：对用户提交的工作流进行预处理；

步骤S2：构建移动云环境下的工作流模型；

步骤S3：基于改进遗传算法生成工作流最优调度方案；

步骤S4：根据调度结果分配任务至移动云中的设备；

其中，所述步骤S1进一步包括以下步骤：

步骤S11：根据工作流传输代价权值对工作流传输代价过大节点进行合并；

步骤S12：移动云环境设备调用电压调整技术调节设备最合适电压频率；

所述步骤S11进一步包括以下步骤：

(1)根据Trans_P矩阵计算权值τ；

(2)根据任务存在先后顺序，且其传输能力高于权值τ，则将任务分配到同一个处理器上；

其中，工作流中节点合并参考权值计算公式为：

上式中，m表示移动设备的个数，Trans_P[i][j]表示处理器pi到pj的数据传输能力；

所述步骤S12中，电压频率的计算公式如下：

其中f表示移动云端设备的电压频率，Vdd表示系统所支持的电压，Vts表示系统电压阈值，Ld表示算法时间的最短长度，Z和β表示一个常量；

所述步骤S2进一步包括以下步骤：

移动云环境下工作流的任务集合通过一个边带权重的有向无环图表示G＝{T，E，P}，其中T＝{t1，t2...，tn}是包含N个任务的集合，E＝{(i，j)Vi

上述模型中的m和n分别代表集群中所使用的处理器个数和任务集中的任务个数，其中每个设备都支持动态电压频率调整技术，i，j均表示任务编号，因此1≤i，j≤n；

所述步骤S3进一步包括以下步骤：

步骤S31：在对工作流进行编码后需要计算新种群各个体的适应值，其适应值的计算公式为：其中，f(n,m)表示在该调度方案的适应值，Rn,m表示该任务n在设备m上的可靠性，Rhigh表示调度方案中最大可靠性，Rlow表示调度方案中最小可靠性，En,m表示该任务n在设备m上的能源消耗，Enormal表示设备在不采用动态电压频率调整技术时产生的能源消耗；

步骤S32：划分种群，其划分依据为：

计算所得各个体的适应值，适应值越大则视为该个体越优秀，因此将调度方案按照适应度降序的划分归入精英组和普通组。

步骤S33：对种群进行交叉、变异操作，其具体操作如下：在交叉操作中，对种群中的两两个体节点依次进行单节点交换，得到新的个体，根据适应值选择其中适应值较高的个体，作为新解；

在变异操作中，首先依据概率在种群中分离出需要变异的集合，依次对集合中的个体上的单节点进行变异操作，得到新的个体，根据适应值选择其中适应值较高的个体，作为新解。

2.根据权利要求1所述的移动云环境下的工作流优化方法，其特征在于，所述步骤S4进一步包括：

在预先设定的迭代次数范围内，连续迭代后，产生的新种群中可靠性、完成时间、能源消耗符合用户预期，依据得到的调度方案对任务与设备进行映射并分配移动云设备合适的电压频率。

3.根据权利要求1或2所述的移动云环境下的工作流优化方法，其特征在于，所述步骤S1中，本地设备电压频率由设备电压及设备制作工艺决定，通过合理分配电压频率至移动端设备以减少设备能源消耗。