随着科学技术和人工智能的迅速发展,智能移动设备的数量急速增加,它们生成的数据呈指数式暴涨,且需要及时处理并分析以提取其最大价值。然而,由于移动设备的处理能力、存储容量等限制,它对应用程序的计算需求反应缓慢,远远满足不了那些新兴移动应用的发展需求,并不能给用户很好的使用体验。且远程云数据中心与移动设备之间的传输距离过长,这将带来过大的传输时延,加重网络负载。移动边缘计算（Mobile Edge Computing,MEC）将服务器部署在移动设备的附近,被当作一种新的分布式计算框架,可以有效减轻能耗、降低时延、缓解网络压力。然而由于边缘服务器的计算和存储资源有限,仅仅依赖单个边缘服务器也将显著降低系统性能,制定一个合理的卸载决策以及有效分配系统资源是移动边缘计算系统面临的一个关键挑战。本文围绕可信协作的移动边缘计算系统中任务卸载和服务缓存问题展开研究,首先对于单个MEC服务器的计算和存储资源限制以及边缘节点之间的交互和服务跨节点迁移而产生的安全问题,提出了一个融合区块链的协作MEC系统。接着进一步讨论了移动边缘计算系统中的服务缓存和负载均衡问题,并设置了奖励机制来激励边缘服务器乐意与移动用户和其他边缘服务器共享计算资源,我们采用了基于深度强化学习的方法来解决提出的目标问题。主要的研究工作包括:第一,针对多用户多任务的MEC系统,由于MEC服务器在存储和计算资源上受到限制,依赖单个服务器会显著降低系统性能,本文考虑利用边缘服务器之间的协作卸载来处理计算任务,它们之间可以共享计算资源,相互协作处理计算任务,从而减少对远程云的依赖。此外,考虑到边缘服务器与移动设备之间,以及边缘服务器彼此之间都存在着互不信任和利益冲突等矛盾,在计算交互和服务迁移过程中可能会造成卸载信息或计算结果被恶意的服务器篡改的情况,本文引入了区块链技术,提出了一个融合区块链的协作MEC系统。它将系统中所有节点之间的交互信息都记录下来,一旦有恶意节点想要篡改信息,则很容易就暴露。本文旨在共同优化任务卸载、资源分配、块大小以及块间隔,在确保区块链系统事务吞吐量的情况下最小化边缘系统的计算时延和能耗成本的加权和,采用了基于Double DQN算法的解决方案来求解优化问题,从而得到最佳的协作卸载决策和资源分配策略,具体的仿真分析表明了本文算法的收敛性。第二,进一步考虑了MEC系统中的服务缓存和负载均衡问题。由于边缘服务器计算和存储资源的不匹配,以及工作负载分布不均衡,本文联合考虑了边缘服务器上的缓存能力,并允许任务可以被进一步卸载,通过服务器之间的协调合作,将工作负载从过载的服务器转移到负载较轻的服务器上来减轻系统压力。由于服务器的超密集部署,在某服务器覆盖范围内但未经授权的移动设备可以通过直接关联到该服务器以平衡工作负载。并设置了奖励机制来激励边缘服务器乐意与移动用户或其它边缘服务器共享计算资源,假设在服务器提供服务结束之后,移动设备会对其打分,根据打分的高低服务器将获得一定的支付报酬。同时MEC服务器还充当区块链网络中的矿工参与挖矿从而获得奖励,分配的资源量以及区块的大小都是影响挖矿成功与否的因素。本文采用基于Double-Dueling DQN的联合服务缓存和负载均衡算法,实现了任务卸载和区块挖掘的联合设计,并将所提出的算法与其他基线方案做了比较,仿真结果表明本文的算法性能优于其他。