云服务的发展和普及使得许多新兴交互式应用(例如车联网(IoV),智能家居等)成为可能,然而,云计算模式无法满足延迟敏感性应用程序的低延迟需求。移动边缘计算(MEC)的提出使该问题得以解决。移动边缘计算通过将部分原本位于云数据中心的服务放置在网络的边缘,使计算和存储资源更靠近用户,从而减少通信时延,提高终端用户的体验质量(QoE)。然而,在移动边缘计算环境中,存在以下问题:(1)由于用户的移动性,可以为用户提供服务的MEC服务器也是动态变化的。因此,用户请求的边缘服务(Edge Service)需要在边缘节点之间迁移。在边缘服务迁移完成之前,用户只能访问在前一个边缘节点上运行的边缘服务,然而将服务请求从用户正在连接的MEC服务器转发到另一个MEC服务器会显著增加服务的响应时间,从而导致用户QoE大幅度地降低。(2)随着边缘服务数目的迅速增长,从众多功能相同边缘服务中选择出满足用户需求的边缘服务变得困难。此外,由于移动边缘计算的位置感知性、迁移性、临近性等特征,边缘服务具有典型的动态性特征,需要有一种灵活的机制来对边缘服务进行有效的动态维护。为解决上述问题,本文首先提出了一种基于传输功率控制(Transmission Power Control)来减少边缘服务迁移的方法,之后,又提出了Skyline Graph模型(SGM)和相关算法来实现边缘服务的动态维护。本文的主要工作包括:(1)为了减少由服务迁移导致的用户体验质量下降,本文提出了一种基于传输功率控制来减少服务迁移的方法。首先利用维诺图(Voronoi Diagram)的基本思想将用户活动范围根据MEC服务器的传输功率划分为多个子区域,每个子区域内包含一个MEC服务器为该区域内的用户服务,通过控制MEC服务器的传输功率来调整每个子区域的大小,以实现两个目标:用户的无线切换次数最小化、MEC服务器的能耗最小化。之后,使用粒子群优化算法(PSO)来解决这个多目标优化问题。最后用实验验证了算法的有效性和效率。(2)为了实现边缘服务的动态维护,本文基于有向无环图理论,提出了存储与更新边缘服务的Skyline Graph模型,利用Skyline支配关系及其传递性,实现边缘服务的存储与动态更新,从而解决边缘服务的快速选择问题。此外,基于Skyline Graph模型,提出了Skyline Graph Algorithm,优化边缘服务的增、删、查、改操作,实现边缘服务的高效维护。最后,在真实和模拟数据集上进行了大量实验,实验结果验证了Skyline Graph Algorithm的有效性和鲁棒性。