海服务是中国科学院2011年在战略性科技先导专项“面向感知中国的新一代信息技术研究”中提出的的重要内容，是随着物联网的发展而兴起的一种服务架构，它强调终端的智能化及网络边缘的局部自治，致力于将软硬件资源以服务的形式高效、弹性地提供给用户。相比于云计算的基于位置无关特点的虚拟化服务，海服务能够利用其位置感知能力，使网络边缘的闲散资源充分发挥作用，从而为用户提供具有时延、带宽保障的服务。　　在Web2.0时代，大规模的媒体任务处理需求开始呈现，例如音视频复杂特效处理、海量媒体文件内容识别任务等。媒体任务具备实时性要求高、计算复杂度高、任务可分解等特点。实时性要求是媒体服务的最基本用户需求，也即要求任务能够被快速响应、快速执行、且执行结果能够快速回传给用户。除此之外，任务处理所带来的计算资源开销和传输资源开销也是不可忽略的指标。如何在满足实时性要求和成本控制要求的双重前提下，将大规模媒体任务进行分解及分布式调度，是关系到媒体服务质量的重要问题。　　根据现有的主流云服务平台如阿里云、微软云、亚马逊EC2的计费模式，虚拟机的租用成本通常与其计算能力成正相关，带宽计费也正比于实际的带宽资源占有量，因此，本文所讨论的调度问题所涉及的两个目标是具有矛盾性的指标。　　针对以上研究现状，本文基于海服务架构，对媒体服务调度关键技术展开研究，本文的主要贡献如下:　　1)设计了一种基于海服务架构的实验系统，并重点介绍其邻居信息表维护方法。对于发起服务请求的任意用户节点，系统根据该用户周边网络连接特性及海节点的计算能力、资源利用率等信息，智能地为用户确定候选服务节点，从而提供一种具有延迟及带宽保证的服务。　　2)详细介绍了一种多目标粒子群调度方法，致力于同时优化并发任务总完成时间及网络资源总成本。该调度方法涉及一种新的获取粒子群全局最优解的方法，采用一种新的粒子坐标编码方式，并制定了基于模糊集合的适应度函数。仿真表明，该方法相比于现有的帕累托改进策略及单目标调度算法都实现了进一步的帕累托改进。　　3)针对视频关键帧抽样及人脸检测任务这一媒体服务中的典型场景，在Planetlab平台上开发实现了一个智能服务调度系统，完成多目标粒子群调度方法的开发及部署工作，介绍了系统的模块设计及运行流程，并展示其运行结果。