边缘计算在靠近移动设备的网络边缘部署计算节点,通过将移动设备的计算任务卸载至边缘服务器执行,避免了将网络边缘产生的数据传输到云端,减少了对云数据中心的沉重负担。然而边缘服务器由于资源有限,在处理计算密集型任务时难以满足任务的截止时间要求。因此云边融合计算模式受到了广泛关注,当边缘服务器没有足够资源完成计算任务时,进一步将任务上传至云数据中心执行。因此,面向云边融合环境设计高质量的任务调度算法,对于提高云边融合系统的能效和服务质量具有重要意义。本文针对由移动设备、边缘服务器、云数据中心构成的云边融合系统,构建了截止时间约束下的任务调度优化模型,以最小化云边融合系统的整体能耗为优化目标,使用任务序列表示任务调度解。考虑到所构建的优化模型为整数规划问题,本文设计合理有效地元启发式调度算法进行求解,在截止时间约束下获得能效优化的任务调度解。本文进一步对元启发式搜索流程中的主要模块进行改进,以提高调度算法的计算效率和寻优能力。此外,本文通过理论分析验证了本文算法的收敛性和参数选取的合理性。具体而言,本文基于萤火虫算法的优化原理提出了一种元启发式调度算法,使用一种基于位置的概率映射机制,将萤火虫个体转换为可行的调度解序列,设计启发式规则对转换生成的解序列计算任务卸载所需要的能耗值,并根据萤火虫算法的种群更新规则迭代寻找最佳调度解。然后从计算效率和求解质量两方面对调度算法进行改进,引入一种新型的萤火虫线性运动策略,减少萤火虫位置更新过程中的计算负担;并在元启发式算法中加入模拟退火思想,在迭代搜索过程中以一定概率接受较差的解作为当前最优解,避免算法陷入局部最优解、提高算法的解空间搜索能力。为了验证上述改进策略的合理性和有效性,本文进一步给出了算法的收敛性证明和运动轨迹分析,从理论上证明本文算法能够收敛至全局最优解,并且给出了算法参数的合理取值区间,确保算法不会因陷入边界陷阱而获得局部最优解。本文通过完备的仿真实验对云边融合任务调度问题求解的性能进行评估。对比实验结果表明本文算法能够显著降低问题求解的计算时间,并且能够获得更加能效优化的调度解。基于上述研究成果,本文开发了一套面向云边融合环境的可视化任务调度系统,能够根据用户给定的计算任务特性和截止时间约束,获得任务和边缘服务器或云数据中心之间的最佳调度方案,最小化云边融合系统的整体能耗、保障系统的服务质量。