工业物联网正处于上升期,目前物联网设备已经有超过6亿的设备,工业物联网设备在其中占据了很大一部分比率,物联网设备会将收集的数据传输到服务端,多种数据类型和大量数据特征是值得注意的。而工业设备的算力有限,无法处理现有应用场景需求。云计算的提出解决了工业设备的算力不足的问题,但是云计算带来数据传输成本、云存储花费、互联网访问管理和安全性等一系列问题,工业设备将数据传输到云服务器耗费需要一定的时间,并且很难满足低延迟的要求。移动边缘计算(Mobile Edge Computing,MEC)提出将云服务端的计算能力下沉到物联网设备附近,首先能够保证时延较低,其次当设备请求任务处理的时候能够快速响应设备。本文重点介绍MEC中计算卸载策略的研究和应用。本文在基本粒子群算法的基础上,提出了基于粒子群算法的计算卸载策略(Particle Swarm Algorithm Optimization,PSAO),将工业物联网场景建模为多用户多MEC的时延优化问题,在能耗约束的条件下,达到整个系统的总代价最小。通过MEC平台搭建了工业物联网管控系统,PSAO卸载策略作为管控系统的调度模块的核心算法,通过调度模块得到最优的任务分配方式后,工业设备基于MQTT协议将数据发布到不同的MEC服务端。本文首先阐述了移动边缘计算和计算卸载策略的国内外现状,介绍了MEC的参考结构以及关键技术,并对工业应用场景及需求进行分析。其次深入研究了MEC中的计算卸载策略,将工业物联网实际场景建模为时延模型、能耗模型和计算模型,通过粒子群卸载流程找到卸载向量,使得当前系统总代价最小。最后基于MEC平台搭建工业物联网管控系统,实现了工业物联网中的数据解析、数据存储以及设备的反向控制,将PSAO卸载策略应用于调度模块中,实现任务的合理分配。通过OpenStack搭建MEC仿真平台进行工业场景的性能测试,将边缘计算与云计算在时延、丢包率和带宽方面进行对比,验证了边缘计算平台在数据处理方面的优势。将PSAO卸载策略与本地卸载策略、MEC基准卸载策略、鱼群卸载策略进行对比,结果表明PSAO卸载策略工业物联网环境下能够有效减小系统总代价。