随着智能移动设备的爆炸式增长以及无线移动通信技术的快速发展,越来越多的移动应用如人脸识别、增强现实、可穿戴设备,智能医疗等如雨后春笋般涌现并受到广泛关注。这些新出现的移动应用通常是计算密集型和延迟敏感的,这些应用所产生的巨大流量要求移动网络的各个方面都要进行范式转变。传统的移动云计算服务对这些新兴的应用程序不再适用。超密集网络(Ultra-dense network,UDN)是解决以上问题的领先理念之一。UDN的基本思想是让访问节点尽可能接近终端用户,所以需要在产生巨大流量的热点地区密集部署小型访问节点。为了使这些访问节点具备计算与存储能力,移动边缘计算(Mobile edge computing,MEC)作为5G的关键技术,为智能移动设备提供了一种分布式计算解决方案。由于边缘服务器在其提供的计算能力和服务方面表现出异构性,因此,在为移动设备进行资源分配时,它们通常相互协作为移动设备提供计算与存储服务。移动设备的计算任务既可以卸载到距离最近的直连服务器上,也可以跨越直连的一跳服务器卸载到其他服务器上。跨服务器资源分配具有重要的意义和挑战性,特别是当所有涉及的双方(如边缘服务器、用户)处在不同的利益阵营中。由于边缘服务器的资源有限,在无利可图的情况下可能不会将其计算资源贡献给用户。另一方面,当卸载任务的代价过高时,用户也不情愿将任务上传到边缘服务器。而且,在UDN环境下,同一区域内可能会存在大量移动设备,这些设备很大可能会有相同的卸载任务请求,即,移动设备之间会存在竞争关系。因此,当移动设备需要计算服务时,在用户和边缘服务器之间就存在利润驱动的交易关系而移动设备与移动设备之间存在竞争关系。因此,如何在利润驱动的移动用户与边缘服务器之间进行资源分配以激励他们参与贡献资源或者上传任务是需要认真考虑的问题。在UDN与MEC集成的环境下,用户为了卸载自身的计算任务到边缘服务器,需要向边缘服务器资源进行投标,而边缘服务器为其有限的计算资源提交资源报价。之后由第三方拍卖师根据提交的投标和报价按市场规律在满足经济属性的条件下完成资源拍卖过程。在这样的场景之下,主要贡献可总结如下:1.首先,一种单类型任务卸载与资源拍卖模型被构建。在该模型中,移动设备只能将自己的任务卸载到单跳直连的小区基站上且没有区分任务类型。在此基础上设计一种基于盈亏补偿点的单类型任务卸载与服务器资源拍卖方案(Single-type task offloading and server resource auction scheme based on breakeven point,TOSA)。该方案利用经济学中的盈亏补偿点解决买卖双方的利益冲突问题。2.为了进一步提高资源利用率和负载均衡,多类型任务跨服务器卸载及资源拍卖模型被提出,该模型考虑了单个移动设备有多种类型与数量的的任务需要卸载,而在每个边缘服务器都在虚拟机资源池中部署了不同类型的应用程序。为此设计了两个基于双向拍卖激励机制的资源分配方案,即,基于盈亏平衡点的多类型任务卸载与资源拍卖方案(Multi-type task offloading and resource auction scheme based on the breakeven point,RABP)和无盈亏平衡点的多类型任务卸载与资源拍卖方案(Multi-type task offloading and resource auction scheme without breakeven point,RAWP)。后者通过松弛了部分真实性的经济属性可以达到更高的系统效率。3.以上方案都被证明满足预算平衡,个体合理性和真实性。仿真结果验证了所提激励机制的有效性。在上述经济特性的约束下,与现有的一些工作相比,TOSA,RABP和RAWP可以显著提高资源分配的系统效率。