随着网络技术的发展,云中心加边缘服务器的服务请求处理方式已经越来越普及。这一结构既能发挥云端精细处理数据的能力,又能运用边缘服务器实时响应的特长,已经被用在了视频服务,监控网络和车联网等一系列网络和应用中。从数学角度看,边缘服务器集群构成了无中心网络,而每个服务器又和云端相连,所以整体上看,该网络又以云端为中心。这种无中心和有中心相结合的网络被称为混合网络。如何对这种新兴的网络模型设计高效快捷的分布式资源分配算法是本文研究的重点.本文致力于研究混合网络中的资源分配问题,这一问题是在经典的有中心和无中心网络的资源分配问题上的扩展。本文先从实际网络中抽象出了边缘服务器-云端的两层混合网络模型和终端用户-边缘服务器-云端的三层混合网络模型,然后为这两种模型分别建立了效用最大化的优化问题,最后设计分布式算法进行求解。具体而言,初始时,终端用户会将请求处理的服务量发送给对应的边缘服务器,然后,每个边缘服务器会根据自身和邻居服务器还有云端的资源利用情况及链路间的通信代价来重新分配需要处理的服务量。在这样的分配方式中,网络中每个边缘服务器会和邻居服务器及云端进行协商从而做出利于自身的分配决策。这是一种各个节点高度自治的分布式的组织方式,用这种方式可以高效快捷地对工作量再分配从而让整体网络效用最大化。因为网络中的资源分配问题是一个有约束优化问题,为了用分布式方式进行服务量再分配,需要用原对偶算法求解。所以本文用两种经典的原对偶算法分别为两种混合网络模型设计了分布式并行资源分配算法。本文先用交替方向乘子法为边缘服务器器-云端的两层混合网络模型设计了资源分配算法,再在考虑减少算法处理时间又尽量保证收敛精度的前提下是用预测纠正邻近点乘子法为终端用户-边缘服务器-云端的三层混合网络模型设计了资源分配算法。然后用仿真验证了这两种算法的收敛速度和收敛精度。作为拓展,本文探索了在保证收敛精度的前提下对设计的分布式并行资源分配算法用线性化手段减少了计算量的可行性。本文又在结合实际情况考虑离散服务量的情况下提出了一种近似投影算法,并用仿真说明了此投影算法的良好性能。最后,本文考虑了请求服务量变化过快以致设计出的算法不能精确求解的情况,在此情况下用仿真说明了设计出的算法能大致求解出给定的请求服务量的最优分配,从而证明了算法良好的动态性能。