近年来,随着信息和通信技术的不断发展,移动设备的数量呈现爆发式增长,数据流量也显著提高。传统的云计算框架由于部署在远离用户的云端,存在高时延、低带宽、隐私安全威胁等问题,不能满足新技术低时延、高带宽、隐私安全保障等要求。边缘计算作为一个新兴架构,将部分云计算服务通过边缘服务器部署在靠近用户的网络边缘,解决了当前云计算框架存在的问题,并成为了当前的研究热点之一。在传统的边缘计算框架中,任务调度问题已经得到了广泛的关注,相关的理论、技术与算法也发展地较为成熟,而对于工业智能边缘计算框架中任务调度问题的研究还不够完备,没有综合考虑边缘服务器计算资源和存储资源有限、计算卸载任务时间敏感度高、数据隐私安全保障要求高等问题。因此,对于工业智能边缘计算任务调度问题展开研究是一项具有重大意义的工作。本文在充分分析国内外对边缘计算中调度算法和激励机制研究现状的基础上,首先研究了工业智能边缘计算任务调度问题模型,并根据该模型研究了非协同不可滞后任务调度和协同可滞后任务调度两个应用场景,然后针对两个应用场景设计了相应的调度算法和激励机制,最后通过理论证明和仿真实验证明了设计的调度算法和激励机制的可行性。本文的主要研究内容和创新工作包括:(1)研究了工业智能边缘计算任务调度问题模型。首先对工业智能边缘计算任务调度问题展开深入的分析,并根据问题的特点研究了非协同不可滞后任务调度和协同可滞后任务调度两个应用场景,其次说明了工业智能边缘计算任务调度问题中设计激励机制的必要性,最后实现了工业智能边缘计算任务调度问题模型。(2)针对非协同不可滞后任务调度场景设计了调度算法和激励机制。首先设计了边缘服务器选择(Edge Server Selection,ESS)算法以达到带宽和隐私安全保障要求,其次证明了该场景下任务调度问题是一个NP难问题,并设计了一个基于贪心算法的自适应不可滞后调度(Adactive Non-Lag Scheduling,ANS)算法以达到边缘服务器的高效用目标,然后针对该算法设计了满足个人理性和报价真实性的激励机制,最后通过理论证明和仿真实验证明了所提调度算法和激励机制的可行性。(3)针对协同可滞后任务调度场景设计了调度算法和激励机制。首先设计了一个基于动态规划的最小总滞后时间(Minimize Total Lag Time,MTLT)算法,并证明了该算法的最优性,其次针对MTLT算法在大任务量下的性能问题设计了可靠的解决方案并基于该算法设计了自适应可滞后调度(Adactive Lag Scheduling,ALS)算法,然后针对ALS算法设计了满足个人理性和报价真实性的激励机制,最后通过理论证明和仿真实验证明了所提调度算法和激励机制的可行性。