随着全球信息化和智能化技术的发展,智能终端和各种物联网节点设备作为人们享受智能化和信息化生活的接口,作为在最底层采集、计算和传输信息的载体,以及各种智能化和信息化功能的具体执行者,在人们生活中担当着日益重要的角色。然而由于自身固有的资源限制,这些设备往往无法满足日益提升的需求,计算迁移技术利用网络中的闲散资源,将终端设备上的任务迁移至其他资源丰富的设备上执行,有效解决了这一问题,成为当下研究的热点。本文首先介绍了计算迁移技术领域的研究现状,着重研究了自组织网络环境下的计算迁移技术,随后本文提出并深化了自组织云的概念,阐述了其特点与分类。目前自组织网络计算迁移技术研究主要针对单一迁移目标,以资源利用率或设备能耗为优化目标,缺乏对多目标迁移、整体网络优化以及对通信能耗的考量,本文针对现有研究的不足,并分别对非对等和对等自组织云情景下的计算迁移技术进行了研究。本文阐述了非对等自组织云网络计算迁移架构,设计了源节点设备和处理节点设备的计算迁移模型,给出非对等自组织云网络计算迁移的一般流程。其后,本文研究了非对等自组织云网络环境下的任务调度问题,分析了任务调度的优化目标。最后,针对减少任务执行平均能耗、提升任务执行成功率等多个任务调度优化目标,设计了基于遗传蚁群算法的任务调度算法,并进行了仿真分析,与随机分配算法和遗传算法相比较,所提出算法的成功任务平均能耗相对平稳,任务成功率提升可高达20%左右。本文描述了典型的对等协作自组织云网络,首次阐述了对等自组织云网络多对多计算迁移架构,给出了自组织云网络中节点设备和中央调度管理模块的计算迁移模型设计。随后,本文研究了对等自组织云网络环境下的任务调度问题,描述任务调度模型和任务调度策略。最后,针对任务调度问题中的最小任务平均执行时长、负载均衡、最小任务平均执行能耗等优化目标,设计基于遗传蚁群算法的任务调度算法,并进行了仿真分析。与随机分配算法和遗传算法相比,所提出算法任务平均执行时长分别下降了 17.4%和4. 1%,负载均衡性能有了明显提升,验证了算法的有效性。