曾 婕

江西理工大学

摘要(Abstract)：

5G规模化商用带动智能制造、车联网等实时业务快速发展，海量终端持续产生瞬时数据，传统云计算受制于远距离骨干传输，很难实现毫秒级的数据处理。边缘计算通过算力下沉缓解时延难题，但实际落地中仍存在终端数据预处理不完善、信道抢占混乱、卸载方案选择局限、资源固定分配失衡等问题，现有研究大多侧重任务整体卸载，轻视可拆分任务的分段处理价值。文章结合边缘分层架构，从前端预处理、数据分层分流、任务分片优化数据处理，区分横竖两类卸载形式与三种卸载方案，依托有向无环图划定子任务优先级，搭配信道分区和强化学习动态调配资源。

关键词(KeyWords)：

边缘计算；低延迟；数据处理；任务卸载；资源分配

参考文献(References)：

［1］姚元，刘学龙，朱军，等.基于边缘计算的大规模无人协同探测感知架构研究［J］.现代雷达，2020，42（6）：1-6. 

［2］刘雪峰，屈颖雪，王尧，等.边缘计算环境下的隐私智能推理预测［J］.人工智能，2019，（5）：45-54. 

［3］周悦芝，张迪.近端云计算：后云计算时代的机遇与挑战［J］.计算机学报，2019，42（4）：677-700. 

［4］文玉成.边缘计算在计算机网络优化中的创新实践［J］. 信息记录材料，2025，26（9）：200-202. 

［5］周顺利，刘天成.云计算在5G网络边缘计算中的应用研究［J］.现代传输，2025，（4）：29-32.