移动边缘计算(Mobile Edge Computing,MEC)作为5G的核心技术之一,随着5G网络的推广和普及,具有越来越重要的作用。MEC的邻近性、高带宽和低时延等特性可以极大推动远程医疗的发展,然而远程医疗种类繁多,典型的医疗场景有远程急救和远程监护等,对低时延和低能耗的迫切程度也不相同,在某些场景中用户可能处在移动状态。因此本文针对远程医疗的三种典型场景,考虑任务优先级、用户移动性等实际问题,在不同应用场景下设计相应的任务迁移策略,深入探讨MEC在远程医疗中的应用。第一,考虑MEC在远程急救中的应用场景,通过在MEC的任务迁移模型中加入任务优先级机制,优化用户设备任务的平均处理时延。根据当前用户的数量、任务的属性、网络环境和MEC服务器资源,将任务动态调度到MEC服务器或者用户设备处理。通过建模分析,发现该模型为0-1整数规划问题,难以直接求解。本文设计了基于任务优先级的逆向拍卖算法对信道资源分配,经过单轮拍卖得到任务调度决策。通过和其他任务迁移算法相比,引入任务优先级机制极大地保证了远程急救任务的实时性和高质量。第二,考虑MEC在远程监护中的应用场景,在任务优先级的基础上引入用户对任务处理时延和设备能耗的偏重因子,使得算法可以灵活地根据当前任务的时延敏感度和设备的电量进行任务调度,降低任务的平均处理代价,实现时延和能耗协同优化。通过建模分析,发现该问题属于有限完全信息动态非合作博弈,设计基于博弈论的时延能耗优化算法,在论证该模型存在纳什均衡的基础上进行任务调度。和已有的算法相比,本算法可以灵活地满足用户对时延和能耗的需求,通过任务优先级机制保证了远程监护服务的质量。第三,研究某些远程医疗场景中用户的移动性,在任务优先级、用户移动性和MEC服务器资源约束下,通过移动轨迹预测技术得出用户移动的基站序列,将任务调度到合适的服务器上处理,优化任务的平均处理时延。通过建模分析发现该问题为0-1整数规划问题,设计启发式优化算法对任务进行调度。与其他算法相比,本算法通过任务优先级和用户移动性机制降低了任务的平均处理时延,提高了资源利用率,保证了远程医疗服务的处理效率和质量。