为了满足应用的低时延需求,移动边缘计算的算力资源需要尽可能靠近用户终端,因而呈现出地理空间上多点分散式部署的特点。然而,单个边缘云有限的资源使其无法独立应对所有的服务需求,这使得移动边缘计算系统需要通过跨边缘云的算力资源协同将用户端的算力需求与服务端的算力资源高效匹配,从而提高算力资源利用率,保障服务质量。在这个过程中,5G用户面功能（User Plane Function,UPF）作为执行计算请求上行分流、连接通信网和边缘云的唯一网元,是实现算网协同的重要抓手,对保障服务质量具有核心作用。因此,如何基于UPF实现算力资源和网络资源的高效协同,保障移动边缘计算中的服务质量成为一项重要的研究课题。现有的工作大多从传统计算机网络的角度看待移动边缘计算中的算网协同管理,忽视了通信网用户面与计算机网络在流量承载、计算分流、会话管理等方面的区别。同时,由于通信网和边缘云的管理平面分属不同的网络域,使得二者的管理面临跨域协同的挑战。针对以上问题,本文从算网协同的角度出发,分三个不同的层次对移动边缘计算的服务质量保证问题进行研究。首先,从硬件层的角度,研究边缘服务器和UPF的协同放置问题。其次,从网络层的角度,对通信网计算分流决策和边缘云容器调度进行系统级的协同控制。最后,从应用层的角度,对用户在移动过程中面临的服务迁移问题进行研究,利用算力资源与网络资源的协同调度降低服务迁移的宕机时间。通过对以上三个方面的研究,本文取得如下创新成果:（1）面向UPF的边缘服务器放置方法。针对用户服务请求在空间上的非均匀分布,本文研究了如何合理放置边缘服务器,保障移动边缘计算服务质量。针对不增加机房的单边缘服务器共基站部署场景,本文利用服务等级协议函数构建了综合考虑时延与能耗的利润模型,基于粒子群算法提出了利润感知的边缘服务器放置方法,以实现对边缘服务器放置位置以及基站分配关系的优化;针对新增机房的边缘服务器集群部署场景,本文对UPF和边缘云部署问题的求解空间进行了剪枝,并提出了边缘云与UPF联合部署算法,从而实现对用户接入时延的优化。基于真实数据集的实验结果表明,所提方法可有效降低服务时延、提升边缘服务器资源利用率。（2）基于UPF的计算分流决策方法。针对通信网计算分流决策中的会话建立和边缘云容器调度问题,本文对已经部署好的算力资源如何与用户的服务需求进行动态匹配进行研究。本文首先基于UPF的分流机制构建包含时延成本、容器运行成本以及容器开关成本的系统模型;然后,将计算分流问题映射为马尔科夫决策过程,并且提出一种基于深度强化学习的调度方法,对用户请求的会话建立以及边缘云内运行的容器数量进行决策;最后,利用真实数据集构建负载流,在具备完整5G用户面协议栈的实验系统中对该方法进行验证。实验结果表明,该方法能在保证系统时延满足率的同时,单位时隙平均请求成本降低4.51%以上。（3）面向UPF的无缝服务迁移方法。针对用户移动触发服务迁移导致的服务中断问题,本文研究了如何降低服务迁移的宕机时间,保障迁移过程的服务质量。本文首先对现有的基于虚拟机和基于容器的服务迁移方法进行测量,发现内存脏页重传是现有迁移方法无法进一步压低迁移宕机时间的原因;然后,充分利用强交互云化虚拟现实的应用特点,提出基于云边协同的无缝服务迁移方法;最后,在真实的服务迁移实验系统中利用云游戏对本文提出的方法进行实验,实验结果表明该方法可以将迁移过程的宕机时间保持在8ms到14ms之间。