随着无人驾驶等新兴交通领域研究的飞速发展,高速公路中的无人驾驶车辆编队构成了一种由直线型道路所决定的链状拓扑无线网络,车辆间进行数据交互过程中可能存在高维度的庞大数据。这种计算密集型任务虽然数据规模非常大,但其具有可并行处理和可任意划分的特性,可分负载调度模型可将任务根据网络中节点处理能力和通信能力分发给网络节点。可分负载调度模型可得到最优解的解析解,由于节点在链状拓扑无线网络中位置关系,在链状拓扑无线网络可分负载调度模型中节点间通信、任务调度及指令下发等应用的执行顺序是限定的。由于现有的基于可分负载理论的链状拓扑网络均没有考虑能量问题,针对于如何保障链状拓扑无线网络中计算密集型业务计算实时性的前提下,提高系统能量利用率,本文研究了基于动态规划的链状拓扑无线网络串行可分负载调度的能耗-时延均衡优化问题。本文针对于带返回和不带返回的可分负载调度模型两种情况进行如下工作:（1）本文提出了一种链状拓扑无线网络能耗-时延均衡的串行可分负载调度算法。假设链状拓扑无线网络节点支持动态电压与频率调节技术,节点根据计算密集型任务可容忍的最大计算时延基于动态规划理论选择计算和通信能力等级进而将任务进行分割,按链状拓扑通信模式将子任务依次下发给网络中的其他节点,最后基于可分负载理论求出在当前计算与通信能力下的最优负载分配策略。（2）为了在大规模网络条件下方便计算分配策略,使用马尔科夫链模型对本文提出的链状拓扑无线网络能耗-时延均衡的串行可分负载调度过程及其带返回情况进行分析并且将其等效为排队模型,进而使用Little定理分析串行可分负载调度过程中的总任务完成时间。仿真结果表明,该算法能够在满足总任务完成时间约束的前提下将链状拓扑无线网络节点的电压和频率调节至最适合的级别,从而降低负载调度过程中的总能耗,同时验证了链状拓扑串行可分负载调度模型和马尔科夫链模型的等效性。