将物联网技术引入海洋环境,推动海洋物联网（Maritime Internet-of-Things,M-Io T）、智能化港口管理等领域实现数字化的变革与升级,颠覆了传统模式的限制,是发展海事通信网络的一大创举。然而,海洋环境自然条件差,难以像陆地一样部署基站、光纤等通信设备,使得海洋通信系统的发展远不及陆上通信系统。海上船舶用户的日常服务需求的增长,如多媒体娱乐活动、高清视频的播放和游戏等资源密集型应用服务等给海事通信网络的能耗和带宽需求带来极大压力。同时船舶用户终端的计算资源和计算能力是有限的,这些情况都给海洋通信网络资源分配提出了严峻的挑战。得益于移动边缘计算（Mobile Edge Computing,MEC）的兴起,边缘服务器可以部署在无人机或一些大型船舶上,为海上通信网络中资源受限的用户提供强大的计算能力。基于MEC系统,将船舶用户的计算任务转移到网络边缘侧,来解决船舶用户在资源存储、计算性能等方面的不足,这就是本文所重点研究的海洋边缘通信网络中计算任务卸载技术（Computing Task Offloading）。本文结合当前海洋通信系统的研究现状,对M-Io T的发展、通信模型、网络架构及技术特点做出详细分析。设计了新型基于MEC的海事边缘通信集成网络架构,使MEC技术与云计算发挥协同效应,为M-Io T决策行动提供强有力的支持。为了解决船舶物联网用户在资源存储、计算性能等方面受限的问题,提出将计算任务卸载技术应用到M-Io T环境中的解决方案,满足了目前海洋通信网络在低时延、低能耗、高安全性等方面的要求。基于多臂赌博机（Multi-Armed Bandits,MAB）问题框架,本文对最优边缘服务器的选择策略进行研究。将问题转化为有预算约束的选择优化方案,综合考虑时间延迟和能量消耗问题,在满足任务的延迟要求和服务器资源限制的前提下,使遗憾函数最小化,动态学习获得船舶物联网用户卸载计算任务的最优边缘服务器选择方案。本文还将强化学习的计算卸载策略应用于M-Io T环境下的海事边缘通信网络系统。将计算卸载决策建模为马尔可夫决策过程（Markov Decision Process,MDP）,利用深度神经网络、策略梯度等相关原理,制定最优计算卸载策略。经过性能分析,该方案能较好地处理系统多维计算资源,达到了预期效果。