近年来,智能终端的普及造成了爆炸性的流量增长,这给现有通信网络带来很大的压力。同时虚拟现实/增强现实,远程医疗,4K/8K高清视频和物联网等应用的出现与普及也对网络的时延,带宽和连接数目提出了更高的要求。为了进一步扩展当前网络的功能,应对未来网络的挑战,业界提出了移动边缘计算的概念。移动边缘计算是指将计算资源、存储资源和网络资源部署于网络接入侧,从而就近处理终端设备的计算任务。这一技术不仅能减少网络拥塞,还能够降低任务处理时延。移动边缘计算技术突破了网络架构和终端设备能力的局限,因此它的概念从出现以来就受到了研究人员的广泛关注。移动边缘计算中的虚拟机负责运行各种应用程序,处理各种计算任务,成为边缘计算系统的重要载体,也因此受到了重点研究。其中,资源管理是虚拟机部署之中要解决的重要问题,这是由于边缘计算中的资源较为紧缺,但它对于虚拟机的运行状况又有重要影响。当前的资源管理研究主要强调通过协作方式充分利用空闲资源,以及通过激励机制促进资源共享。但是这些研究对于虚拟机提供者和使用者的收益问题研究不够深入,因此有进一步研究的价值和空间。移动性管理是虚拟机运行过程中面临的重要问题,这是因为终端设备的移动性会导致设备和虚拟机的通信延迟逐渐增加,要通过虚拟机迁移的方式保证良好的服务质量。本文注意到当前的移动性管理中,关于用户移动模型主要是一维模型和距离模型,这与用户实际的移动模型还有差距,可以深入优化调整。因此,针对移动边缘计算场景中虚拟机的资源管理和移动性管理问题,本文提出了基于博弈论价格机制的资源管理方案和基于马尔科夫决策的移动性管理方案。前者通过对虚拟机提供者和使用者,即运营商和服务提供商的收益进行了分析,将收益的竞争建模为斯坦伯格博弈,并从静态博弈和动态博弈两个角度分析了服务提供商的最佳收益策略。移动性管理部分对终端设备的移动情况在蜂窝网络模型上进行了归纳分析,结合系统的能耗情况建立了马尔科夫决策过程,并采用值迭代法进行了求解。仿真部分验证了本文提出方案的性能,并与常见方案进行了对比分析。