随着蓝色经济的发展,海上智能移动终端（如无人巡逻舰、浮标传感器、智能移动设备等）数量呈指数级增加,海上移动终端对计算资源需求不断增加。陆地通信技术的快速发展使人们适应了拥有互联网的生活,在陆地环境中对互联网的高度依赖,促使涉海人员对海洋物联网同样产生高度依赖。海洋物联网利用互联网技术,将智能设备相互联通,构造出一个覆盖海洋环境的物与物互联网络,获取大量海洋数据并进行实时分析处理,实现对海洋设备系统化管理。海洋物联网产生大量数据需要传输处理。如何利用有限通信与计算资源处理大量海洋移动终端任务,是一个热点问题。通过提供计算、通信资源以及云服务,移动边缘计算成为支持物联网中计算密集型任务的一种有效方式。本文研究移动边缘计算在网络中的计算卸载问题,意在降低海上移动终端计算卸载成本,主要内容包括:1)针对多终端单边缘节点的海上网络结构中计算卸载成本高和多种性能间难以权衡的问题,提出了一种流量资费感知计算卸载代价函数模型,该模型将流量资费引入计算卸载代价,以便权衡延迟、能耗和流量资费。提出一种基于Deep Q Network的计算卸载算法,该算法在任务延迟的约束条件下实现联合计算卸载和计算资源分配算法。仿真实验表明算法的有效性,能够权衡延迟、能耗和流量资费并降低任务卸载的成本。2)针对海上移动边缘网络模型不够准确和网络节点具有高度动态性的问题,建立引用公海双射公式的海上通信模型,并提出一种基于强化学习的计算卸载算法用于实现计算卸载决策、计算资源和通信资源分配。由强化学习Actor-Critic算法训练得到一个智能体,该智能体会权衡延迟、能耗和流量资费三种性能指标,根据系统参数控制任务卸载决策和资源分配。最后,仿真结果表明本文算法能够有效地降低延迟、能耗和流量资费。3)为进一步完善本文实验设计,更直观地展示本文算法有效性,在上述原有实验方案基础上,设计一种展示计算卸载决策和计算卸载性能的结果展示平台。然后,将本文算法嵌入结果展示平台。其中,移动终端和边缘节点以不同的图形做区分,终端任务的计算卸载决策以颜色表示。最后,本文在实验基础上实现了结果展示平台。通过测试结果展示平台,证明结果展示平台能够直观地展示计算卸载决策,从而验证本文算法有效性。