爆炸性增长的数据流量的处理加重了云中心的计算负担,导致了网络传输带宽的负载量急剧增加以及数据处理较长的网络延时。单一计算模式的云计算模型显然已很难达到海量数据的实时处理、保证数据处理的安全性与低能耗的要求。为了解决未来可预见的问题,边缘计算应运而生。边缘计算采用分布式计算架构,初衷是迁移部分基于中心的云计算任务到网络边缘设备上,而无需将数据全部在云端进行集中式处理,目的是提高数据的网络传输性能,确保数据实时处理,同时降低云中心的处理负载。边缘计算与云计算是相辅相成的关系,因此,如何合理有效的利用云端、边缘端的资源,将任务调度到云端或者边缘端进行处理,使任务处理的速度变得更快,减少任务调度处理过程中的延时具有重大的意义。本文的主要工作如下:(1)基于任务队列优先级、队列容量大小、任务调度的完成时间、任务调度的能量消耗的约束下,设计了一种云端--边缘--终端三层体系结构的任务调度系统模型,并确立了这些约束条件之下的目标函数,目标函数为在这些约束条件下最小化任务调度到云服务器与边缘服务器的处理时间并最大化任务调度的效用。(2)将李雅普诺夫理论应用于云端--边缘任务调度算法中,设计了一种基于李雅普诺夫函数、李雅普诺夫漂移及惩罚、李雅普诺夫优化的算法来来稳定车辆移动模型队列、最大化任务调度的效用、最小化任务调度的处理时间,从而实现分布式边缘、云端、终端之间的任务调度与优化。(3)将所设计的基于李雅普诺夫的边缘计算任务调度与优化算法在OMNeT++仿真软件中进行网络仿真。对仿真结果从车辆移动模型稳定性、任务调度队列性能、任务调度效用、任务调度处理延时几个方面进行了分析。仿真实验结果证明了本文所设计的联合云端和边缘的任务调度车辆移动模型的稳定性,本文所设计的基于李雅普诺夫的边缘计算任务调度与优化算法能够有效的减少任务调度处理过程中的延时,任务调度的效用也明显优于任务单独在云服务器或边缘服务器中处理的效用。