随着接入互联网的工业设备越来越多,仅仅依靠传统的云计算模式,难以同时满足工业应用在时延和经济性方面的需求。边缘计算作为一种最新兴起的计算模式,通过将计算和存储等服务放在靠近设备的一端,能够提供更快的服务响应并降低网络开销。但相较云计算模式,随着任务数量和复杂性的增加,仅仅依靠边缘计算模式则会面临资源受限而无法满足任务需求的问题。为了满足工业应用低时延和设备低功耗的需求,本文详细研究了目前云和边缘计算场景下任务卸载的研究现状,并分析了几种典型的任务卸载策略。在此基础上,本文设计了一种面向工业互联网的云计算和边缘计算的集成计算架构,该架构允许工业应用将任务卸载到边缘或云服务器,以保证工业应用的服务质量(Quality of Service,QoS)。同时基于该架构,针对工业互联网场景中时延及能耗敏感型应用的任务卸载问题,给出了相应多目标优化问题的详细描述。为了解决所提出的多目标优化问题,本文分别设计了两种任务卸载算法ASO和Pro-ITGO。ASO算法是一种多项式时间算法,包含3个子算法,分别是子截止日期分配算法、拓扑排序算法和任务卸载算法;Pro-ITGO算法是一种群智能启发式算法,通过对初始ITGO算法的四种细胞更新策略和适应度值进行改进,以适应任务卸载场景。同时,本文基于WorkflowSim仿真环境对两种算法进行了任务卸载实验,通过对实验结果的评估和分析,相对基础算法和其他启发式算法,两种算法在工业应用完成时间、工业设备能耗和云计算费用等方面具有明显优势。