受益于物联网技术的发展,越来越多种类的设备开始接入网络,虚拟现实（VR）、增强现实（AR）、自动驾驶、人工智能等新型业务相继涌现,对网络计算服务提出了低时延、高可靠性等要求。传统云计算范式虽然能为设备提供充足的计算资源,但是由于云计算中心在地理上距离用户较远,无法满足时延敏感型应用的需求。边缘计算范式作为云计算的延伸,将云计算的功能下沉至更靠近用户的边缘侧,为用户提供充足的计算和缓存服务,避免了不必要的传播时延和网络拥堵,在时延、可靠性、安全性等方面具备显著优势。但是与远程云计算中心相比,边缘服务器在计算资源上存在限制,为了适应联网设备成倍增长的趋势并为用户业务提供可靠的计算服务,研究一个能够合理分配有限资源的计算任务卸载机制具有重要意义。针对以上问题,本文提出了一个时延保障的边缘计算任务卸载机制。具体工作有:1)针对不同通信方式的设备时延计算问题,构建了一个异构云边协同计算的网络模型。本文通过设置标志位来区分光纤链路与蜂窝链路,分别为有线与无线设备设计了不同的时延计算模型,实现对两类设备的覆盖。2)针对边缘网络计算卸载超时的问题,设计了一个包含任务成功率与时延的多目标优化算法。本文基于深度强化学习方法,用任务超时给予高额惩罚的方式,使智能体倾向于做出优先保障每个任务都能按时完成的计算卸载决策。基于以上工作,本文设计并实现了一个边缘计算任务卸载算法的仿真验证系统。系统内置了本文所提出的计算卸载机制,提供了构建边缘网络、导入算法、计算任务卸载仿真等功能,为科研人员提供了一个验证计算卸载算法效果的仿真平台。用户通过图形化的界面可以低门槛的构建网络拓扑,实例化边缘网络环境,使科研人员可以专注于算法的实现,简化了构建边缘网络环境的繁杂步骤。综上所述,本文基于深度强化学习方法,针对时延保障的业务需求,提出了一个时延保障的边缘计算任务智能卸载机制,并根据该机制设计并实现了一个边缘计算任务卸载仿真验证系统,为边缘计算的实验仿真提供一个算法验证平台。