随着物联网的爆炸式发展,越来越多的设备通过物联网技术进行连接,这些物联网设备将会产生海量的数据和需求。由于资源受限的物联网设备无法满足日益复杂的计算需求,传统云计算的做法是将计算任务卸载到云数据中心执行。然而云数据中心通常距离物联网设备十分遥远,由此导致的高延迟是一些时延敏感的物联网服务无法接受的。边缘计算,作为一种新兴且富有前景的计算范式,被认为是物联网中的关键技术。物联网设备可以通过将计算任务就近卸载到靠近网络边缘的边缘计算节点以实现低延迟的需求,计算卸载技术在这个过程中起到了关键作用。然而现有计算卸载的工作中大多数都假设计算任务之间是独立的,没有考虑到计算任务之间的依赖性,特别是不同设备之间的任务依赖。这种设备间的任务依赖在物联网环境中是普遍存在的,同时这种设备间任务依赖关系将对计算卸载的策略产生很大影响。针对上述问题,本文考虑物联网中存在任务间依赖关系的场景,并在此场景下对计算卸载问题进行了研究,具体的工作总结如下:1.提出了端-边-云联合计算模型,并将物联网设备间的任务依赖与服务完成时间作为约束考虑在内,把计算卸载决策问题公式化为一个混合整数优化问题,由于能耗对于大多使用电池的物联网设备来说是至关重要的,该优化问题的目标为最小化物联网设备的总能耗。然后在两个不同场景下分别设计卸载算法来解决该问题。2.在静态场景中,本文提出了能量有效的协同任务计算卸载算法(ECTCO)来解决这个优化问题,该算法通过半定松弛方法和基于概率的随机映射方法获取卸载策略。仿真实验结果表明,在任务间存在依赖关系的场景下,所提ECTCO算法在能耗方面表现优异。此外,仿真结果验证了所提算法在不同系统参数下的有效性和自适应性。3.在动态网络场景中,由于无线传输速率的动态改变,静态场景中的算法无法获取有效的卸载策略,因此本文提出了基于强化学习的动态卸载调度算法(RDOS)。最后,通过对仿真实验结果分析,验证了RDOS在动态网络环境下降低能耗方面的有效性和自适应性。