随着我国现代工业自动化进程的加快,智能制造机器数量激增的状况是前所未有的。制造商们逐渐将车间改造成一个物理系统集成的网络,并称之为“智能工厂”。此外,云计算、物联网和分布式计算领域技术的突破导致了海量数据的产生,对计算资源的需求也日益紧迫,而传统的工业网络无法满足各种工业应用场景中对计算资源和数据实时性的需求。为了应对上述问题,边缘计算作为一种最新兴起的计算模式应运而生,通过将计算和存储等服务放在靠近设备的一端,可以提高对工业设备服务的响应速度并且降低网络成本。本文分析了由多种工业设备多边缘节点组成的卸载网络,每个工业设备都有需要处理的任务,可能将任务卸载到多个计算接入点,或者将远程云服务器作为额外的可卸载点。目标是做出卸载决策和资源分配决策,使系统成本最小化。本文通过网络带宽估计来进行卸载决策,同时在面临大量需要卸载的工业任务时,边缘端的资源分配在计算卸载中显得尤为重要,本文通过博弈论达到边缘服务器端负载均衡的目的。主要工作如下:本文研究并分析了工业互联网（IIoT）和边缘计算的发展和架构,结合工业应用场景对实时数据和计算资源的需求,采用基于SDN的体系结构通过灵活的流量策略进行边缘计算卸载,并通过配置集中式控制器智能地管理网络。将工业互联网中工业设备的任务要进行计算卸载问题分为三个阶段,即卸载决策阶段、资源分配阶段和任务执行阶段。在决定如何卸载后,进行服务器端资源的分配完直接进行任务执行,因此将资源分配和任务执行归为一类。在卸载决策时,本文采用Bayes和变化点检测的方式预估可用带宽资源,计算任务本地和远程执行的成本,最终将任务在代价小的位置执行。而计算卸载的资源分配时,本文提出了一种结合集成容器选择、整合和迁移方案,用于在分布式边缘计算环境中提高服务质量。同时在边缘端的计算资源分配是通过多主多从的Stackelberg博弈来实现的,采用博弈的方法解决工业设备和边缘资源提供商之间的资源定价问题。最终得到工业设备和边缘节点间卸载时工作负载的负载均衡,不仅缓解高爆发数据量的压力,同时解决任务执行延迟高、能耗高的问题,然后通过仿真实验验证算法和网络架构的合理性和正确性,并在最小化系统成本的同时满足稳定性要求。