随着物联网时代的来临,边缘计算已经成为智能物流、智能健康、智能交通等各种智能系统的理想计算范式。资源集中的云计算范式也逐步向分布式的边缘计算演变,与传统云计算平台相比,边缘计算环境具有低延时、分布式和异构性的特征。然而,边缘计算环境的资源异构性与网络复杂性导致了传统云计算环境中工作流系统的资源管理算法已不再适用。因此,在边缘计算环境中如何更高效的运行复杂的科学工作流是一个亟待解决的问题。现有研究工作聚焦于提出边缘计算环境中的各类资源管理优化算法,并通过仿真实验对所提方案的有效性进行验证。目前针对工作流系统的研究主要围绕科学工作流建模、模拟工作流任务执行、模拟云/雾/边缘计算环境的资源类型和网络拓扑。然而,仿真实验环境中无法完整复现边缘计算环境的资源异构性、网络动态性以及工作流任务属性的多样性。这导致现有各类资源管理方法在仿真和真实环境中的实验结果存在较大差距。因此,急需一种易用且高效的边缘计算工作流系统来推进资源管理问题的研究。针对以上问题,本文做了以下三个方面的研究工作:首先,本文设计了边缘工作流系统Edge Workflow,其系统框架分为四层:基础设备层、中间件层、服务层和用户接口层。基础设备层主要负责建立真实的边缘计算资源和网络环境。中间件层主要负责接收服务层的边缘计算环境设置指令和工作流任务,并向基础设备层发送构建边缘计算环境的指令和执行工作流任务的指令。服务层通过工作流管理服务生成最优的工作流任务执行方案,并通过工作流引擎,将工作流任务部署到真实的边缘计算环境。用户接口层负责与用户交互。然后,针对边缘计算环境中工作流任务卸载与调度算法可能存在的过早收敛与局部收敛现象,导致其对工作流任务执行时间的优化效果与效率不高的问题。本文分别在工作流任务卸载与调度算法的前一半迭代过程使用搜索能力较强的遗传算法（Genetic Algorithm,GA）,在算法的后一半迭代过程使用收敛速度较快的粒子群优化算法（Particle Swarm Optimization,PSO）,提出了基于GA和PSO的边缘计算工作流任务调度算法（GA-PSO Hybrid）。该算法融合了GA算法的较强的寻优能力以及PSO算法的快速收敛特点,能够在生成时间最优的工作流任务卸载与调度方案的同时,减少算法执行时间。通过实验证明,GA-PSO Hybrid算法与GA与PSO算法相比,具有更少的工作流任务与算法执行时间。最后,本文在上述系统框架的基础上对边缘工作流系统Edge Workflow进行实现。Edge Workflow系统能够从工作流库中选择工作流文件,或者用户可以使用可视化建模工具生成可执行的工作流XML文件。用户可借助Edge Workflow的工作流系统引擎,可以自动生成用户定制的真实边缘计算环境。将用户选中的工作流实例部署到真实的边缘计算环境中执行。用户还可以选择系统中包含的各种资源管理算法或应用自己的资源管理和任务调度算法。图形化交互界面可以实时监控工作流任务的执行状态,并获得关于任务执行结果的多角度数据。我们使用基于边缘计算的无人机最后一公里配送系统作为一个真实的案例研究,并采用了一些具有代表性的科学工作流（比如Montage、Cyber Shake等）用于我们的实验。实验结果表明,Edge Workflow能够有效地评估不同资源管理和工作流任务调度算法在真实边缘计算环境中的性能,并能在用户设置的边缘计算环境中自动部署和执行科学工作流实例。本文在边缘计算环境中,首次设计并实现了边缘计算环境中的工作流系统Edge Workflow。该系统在总结了其他工作流系统存在的缺陷后,设计并实现了能够一键部署边缘计算环境的工作流系统,又从仿真和真实实验两个层面上验证了所提Edge Workflow系统在边缘计算环境中优化工作流任务执行的效率与效果。其次,针对边缘计算环境中工作流任务卸载与调度算法可能存在的过早收敛与局部收敛现象,设计并提出了基于时间优化的工作流任务调度方法（GA-PSO Hybrid）,融合了GA和PSO算法的优点,提高了边缘计算环境中工作流任务卸载和调度的时间效率。