在工业4.0时代,工厂中物联网设备数量的爆炸式增多、网络架构的日新月异以及无人业务的需求推动了全球范围内智能工厂的转型升级。然而传统智能工厂的网络架构通常以云为中心,将来自设备的数据信息全都集中到云上处理。这种集中式的管理方式并不能支撑物联网范式的工厂中大规模物联网设备的实时计算,反而会导致云上负载繁重,大大增加了服务请求的响应时延。为了很好地支撑智能工厂中物联网范式的构建,边缘计算作为云计算模式的边缘扩展,被应用到智能工厂网络架构的建设中。由于云无线接入网（Cloud-Radio Access Network,C-RAN）能够满足物联网对网络灵活性和可扩展性的要求,因而本论文提出了基于C-RAN的智能工厂边缘计算架构。本论文首先针对智能工厂中的边缘计算部署问题,采用了传统优化算法和启发式算法相结合的方法进行求解。在基于C-RAN的智能工厂边缘计算架构中,考虑了单个传感设备将计算任务卸载至多个边缘接入设备的卸载模式。基于该卸载模式,构建了联合优化设备部署成本和智能服务的数据卸载时延的非线性规划数学模型,提出了基于免疫算法和拉格朗日乘子法的混合算法对问题进行求解。与单个传感设备将计算任务卸载到单个边缘接入设备的卸载模式相比,本文所提出的模式在采用基于免疫算法和拉格朗日乘子法的混合算法的情况下,能有效降低部署成本和数据卸载时延。针对智能工厂中移动设备的决策任务流卸载能耗和时延优化问题,本论文采用了多种启发式算法结合的方法来进行求解。基于C-RAN的智能工厂边缘计算架构,本论文中提出了五种不同的卸载模式:本地卸载、边缘卸载、云中心卸载、本地-边缘协同卸载以及本地-边缘-云中心协同卸载。在对能耗和时延联合优化问题进行了数学建模之后,本论文提出了基于遗传算法和粒子群优化算法的混合算法对该问题进行求解。实验结果证明本论文所提出的算法能够获得最小的任务流卸载能耗和时延。