移动边缘计算（mobile edge computing,MEC）是一种新兴的计算范式,能够将计算、通信和存储设施扩展到接入网边缘。资源受限的终端设备可以通过MEC执行计算密集型和时延敏感型的计算任务,以满足其计算和时延需求。计算卸载是MEC的关键技术之一,现有文献对MEC的计算卸载进行了一系列充分的讨论。然而,由于MEC环境的资源约束、软硬件的异构性、终端设备的动态性和随机性,计算卸载的策略优化一直被视为MEC面临的关键挑战。本文深入研究了复杂MEC环境下计算卸载和资源分配的策略优化问题,旨在合理分配MEC系统资源,提高MEC系统的整体性能。本文研究了边缘计算环境下计算卸载和资源分配的策略优化问题,主要工作如下。（1）多服务器竞争的边缘计算市场计算卸载策略优化研究。首先,针对免费计算服务导致的MEC系统中计算资源分配不均的问题,本文研究构建了一种基于软件定义网络的多服务器竞争的边缘计算市场模型。其次,本文研究将最大化MEC服务器的利润作为优化目标,通过联合优化MEC服务器的选择、终端用户的卸载数据量和MEC服务器的计算服务定价,以优化计算卸载策略。随后,本文研究提出了一种基于近端策略优化和策略博弈的动态计算卸载算法来求解这一问题。最后,一系列的仿真结果证明了该算法的性能与优势。（2）无人机辅助边缘计算的计算卸载和资源分配策略优化研究。考虑到MEC的特殊场景,本文研究进一步将计算卸载研究扩展到无人机辅助的MEC场景。首先,本研究构建了一种无人机辅助的MEC系统模型,其中无人机是通信和计算的中继节点。其次,本研究将最小化系统时延、无人机能耗和丢弃任务的数据量的加权总代价作为优化目标,以优化计算卸载与资源分配策略。随后,本研究将这一联合优化问题制定为马尔可夫决策过程,并提出了一种基于Soft Actor-Critic的动态计算卸载算法来求解这一问题。最后,一系列的仿真结果证明了该算法的性能与优势。