深度神經(jīng)網(wǎng)絡(luò)（Deυ Neural Network，DNN）應(yīng)用對(duì)運(yùn)行設(shè)備的性能要求較高，無(wú)法直接在計(jì)算資源受限的移動(dòng)設(shè)備上運(yùn)行。通過(guò)計(jì)算遷移技術(shù)將某些計(jì)算復(fù)雜的神經(jīng)網(wǎng)絡(luò)層遷移到資源豐富的邊緣或者遠(yuǎn)程云端上去執(zhí)行，是一種有效的解決資源受限問(wèn)題的方法。計(jì)算遷移會(huì)產(chǎn)生額外的時(shí)間開(kāi)銷，如果遷移過(guò)程的時(shí)延太長(zhǎng)，將嚴(yán)重影響用戶體驗(yàn)。為此，文中以得到邊緣環(huán)境下多任務(wù)并行調(diào)度的最小平均響應(yīng)時(shí)間為目標(biāo)，首先提岀邊緣環(huán)境下DNN應(yīng)用的計(jì)算遷移調(diào)度問(wèn)題，并對(duì)該問(wèn)題的解設(shè)計(jì)了評(píng)估算法;然后設(shè)計(jì)了兩種調(diào)度算法即貪心算法和遺傳算法（ Genetic Algorithm，GA）來(lái)求解問(wèn)題;最后設(shè)置評(píng)估實(shí)驗(yàn)，在5種不同的邊緣環(huán)境下對(duì)兩種算法的性能進(jìn)行對(duì)比分析。實(shí)驗(yàn)數(shù)據(jù)表明，采用所提算法得到的解十分接近最優(yōu)解。與傳統(tǒng)的遷移方案相比，貪心算法能得到平均響應(yīng)時(shí)間更短的調(diào)度方案;遺傳算法的平均響應(yīng)時(shí)間比貪心算法短，但其運(yùn)行時(shí)間明顯更長(zhǎng)。實(shí)驗(yàn)結(jié)果說(shuō)眀，所提兩種調(diào)度算法能夠有效地縮短邊緣環(huán)境下DNN應(yīng)用的計(jì)算遷移調(diào)度的平均響應(yīng)時(shí)間，提高用體驗(yàn)。