无线传感器网络（Wireless Sensor Networks,WSNs）是一种由大量资源受限的无线嵌入设备（Sensor Nodes）构成的多跳无线自组织网络。异构传感设备海量增长且各类应用数据也日益增多,传统的云计算架构虽然应用广泛,但终端设备和云端的遥远距离制约了时延敏感型、计算密集型等应用的发展。为解决该问题,在基于城市环境的WSNs中,引入雾计算的概念。雾计算架构通过在网络终端侧附近（即网络边缘）部署具备基本计算能力的雾节点,以缓解时延过长、链路过载等压力。由传感器节点采集到的数据只有首先成功地卸载到雾节点进行处理,才能有效支持城市应用。协作数据卸载技术作为传统网络进行数据传输的补充技术,可以通过数据分流有效提高生产效率、改善网络性能以及减轻网络负担。对于资源受限的WSNs来说,不同的卸载方案对网络整体性能有很大影响。因此,本文的研究目标是针对复杂的基于雾计算架构的动态城市WSNs,在不同卸载场景中设计出高效、高可用性的数据卸载策略。本文主要创新和研究工作如下:针对基于雾计算架构的城市WSNs提出两种不同的数据卸载场景:单节点以及多节点数据卸载场景。利用传感器节点的动态异构性以及城市环境的动态变化性,通过多臂老虎机（Multi-armed Bandit,MAB）模型,将数据卸载问题建模为动态决策问题。首先,针对单节点数据卸载场景中,无法准确描述异构设备的动态特征如何对数据卸载过程产生影响的问题,结合上下文（Contextual Bandit,CB）模型,进行单节点数据卸载问题建模。将WSNs中的异构设备状态信息（包括内存余量、传输速度、通信范围等）建模为CB模型中的上下文信息。将每轮决策时的上下文信息与完成数据卸载后的反馈结果建立线性关系,并且引入节点的移动经验概率模型,提出LCBOD（Linear Contextual Bandit to Offloading Data）数据卸载策略。其次,针对非平稳（Non-Stationary）状态下的城市WSNs数据卸载问题提出了NCB-r DO（Nonlinear Contextual Bandit Robustness for Data Offloading）数据卸载策略。该策略考虑非平稳状态下的数据卸载奖励分布情况随时间发生变化的影响,通过引入折扣系数,对过去时隙得到的数据卸载结果,根据时间权重进行折扣取舍。此外,结合CB模型,将每轮决策时的上下文信息与完成数据卸载后的反馈结果建立为非线性关系,这更符合现实世界的动态城市环境变化规律。该策略在复杂多变的城市环境中具有较强的可适用性,可以有效对抗突变的异构节点状态信息,提高策略的鲁棒性。最后,针对多节点数据卸载场景中的节点决策冲突和公平性分配问题,提出多节点数据卸载策略MTDOsa-MAB（Multi-Task Nodes Data Offloading Strategy Based On Stable Matching and MAB）。为了能在满足卸载请求最大可容忍时延的前提条件下,达到尽可能高的数据卸载成功率,该策略基于稳定匹配理论和回退定时器机制对Bandit算法进行改进。基于稳定匹配理论提出的迭代策略,能够有效消除节点之间的决策冲突和公平性分配问题。通过回退定时器机制,可以在发生冲突后避免冗杂的信息交换,从而减少数据卸载策略的计算成本。此外,除了从理论上证明MTDOsa-MAB策略的遗憾值有上界,还通过实验证明该策略能够有效避免由于节点间冲突导致的数据丢失问题,提高WSNs的相关性能。