随着5G的快速发展,移动边缘计算已经成为新的计算范式,它将传统云的计算资源从中心云迁移到网络边缘上,移动设备可以将计算任务卸载到边缘服务器上以满足低延迟需求的应用程序。但是这种新的范式在上述计算卸载过程中引起了许多挑战,比如如何进行动态放置服务来维护移动用户感应延迟,以及如何确定计算卸载任务的分割数量来优化移动用户体验质量等。基于上述挑战,本文提出了一个多用户多边缘服务器的计算卸载模型,该模型同时引入了能量收集技术、服务迁移技术以及跨边缘协作技术。在用户可以将无依赖可分割计算任务卸载到多个服务的场景下,制定相应决策以最小化用户的长期计算卸载延迟,同时考虑移动设备电池电量、服务迁移花费预算、跨边缘协作花费和丢弃任务请求惩罚花费等因素,使得该模型更加接近真实。在制定该模型计算卸载决策过程中,相邻时隙的决策会有依赖问题,所以本文提出了在线计算卸载算法。该算法采用Lyapunov优化技术,将上述长期优化问题分解为一系列实时组合优化问题。为解决上述子问题,本文通过结合纳什均衡和无导数优化方法,提出了两个分别适用于小规模和大规模计算卸载环境的在线服务放置算法。该算法在不需要任何有关用户移动轨迹以及系统信道信息等先验知识的情况下,在每一时隙确定所有移动用户的计算卸载决策,其中包括移动用户多服务放置、执行可分割任务服务数量以及移动设备收集能量的转化。在保证系统迁移花费队列和移动设备能量队列稳定的情况下,算法可以获得计算卸载问题的渐近最优解。最后本文在不同规模的真实数据集上进行了大量实验,实验结果表明Lyapunov控制参数可以权衡系统性能与队列积压的关系,并且本文提出的算法相比其他算法可以减少大约2%~42%的卸载延迟。