边缘计算（Edge Computing,EC）是一种新的去中心化范式,为终端用户在网络边缘提供数据计算、存储和应用服务,可以有效地降低数据处理时延和减少带宽压力。但是,在应对一些特殊情况,比如山区、灾后和高峰时段的路况交通等特殊场景,一般部署于移动基站的边缘服务器往往表现欠佳。而近年来,随着无人机（Unmanned Aerial Vehicle,UAV）商用的增加,在通信领域的应用引起了越来越多学者的关注和研究。无人机可以携带通信和计算模块,利用其易部署、高机动性和高度的优势,与地面上的基础设施协作,扩展无线网络的服务覆盖范围并节省基站部署成本。由于处理器和电池等约束,终端设备的计算能力受到限制,所以如何有效的减少系统能耗成本的同时保证服务质量是无人机辅助边缘计算系统中的一个关键问题。本文针对无人机辅助移动边缘计算（Mobile Edge Computing,MEC）系统中的多用户系统成本优化问题和无人机辅助车辆边缘计算（Vehicular Edge Computing,VEC）系统中的多车辆任务卸载优化问题进行了研究,并分别提出了每个问题对应的求解优化算法。本文的主要工作总结如下:第一,针对无人机辅助MEC系统中的系统成本优化模型,本文考虑了由一架无人机协同多个边缘服务器共同为特定区域的多用户服务的场景,本文以系统时延和能耗的加权和作为系统成本,构建了一个以任务卸载、资源分配和无人机位置为优化变量的最小化系统成本的优化目标。本文将优化目标解耦为两个子问题,通过半正定松弛的方法获得卸载决策和资源分配方案,以及通过连续凸逼近近似的方法获得无人机的最优位置,然后给出了一种可以有效的节省系统资源的联合优化算法。最后进行仿真实验,通过和其他几种基准方案比较,验证本文提出的联合优化算法的可行性和有效性,并分析了各种系统参数对于系统成本的影响。第二,针对无人机辅助VEC系统中的多车辆任务卸载优化问题,本文考虑了单时隙内车辆之间的服务公平性,构建了最小化所有车辆用户中最大成本的优化目标。本文将原问题分解为两个子问题分别求解,然后通过迭代更新来联合优化各个子问题从而得到原优化问题的解。本文基于半正定松弛、二分法和连续凸优化的思想,设计了一种迭代联合优化算法求出原问题的可行次优解。最后利用MATLAB仿真工具验证联合优化算法的可行性和有效性。