在移动云计算的环境下,移动终端用户通过网络将需要大量计算资源的应用任务卸载到远程的云计算数据中心上,利用资源丰富的云计算数据中心完成移动终端的计算任务。然而,云计算数据中心通常距离移动终端用户设备较远,计算任务卸载至云端的方式不仅增加了网络负荷,而且引入了较大的数据传输时延,这也是传统云计算所面临的一个主要问题。为了解决这个问题,人们提出了多种解决方案,移动边缘计算便是其中的一种。移动边缘计算通过在网络边缘解决用户的计算需求,从而减轻网络负担,同时达到降低时延、改善能耗、提升用户体验的目的。然而,移动边缘计算网络中有限的计算能力和存储容量是影响移动边缘云网络性能的一个瓶颈。通过与周边边缘云服务器共享资源,或者和资源量更丰富的远程云服务器进行资源共享与合作,移动边缘云网络的性能可以得到提升。因此,在移动边缘云的协同场景下,如何提出一种有效的资源管理机制,以提升移动边缘网络的效率和用户体验,具有重要的研究意义。本文研究了移动边缘计算中两个不同的协同场景:(1)边缘云服务器与同网络内其他边缘云服务器的协同;(2)边缘云服务器与远程云服务器之间的协同与竞争。针对这两种场景,本论文建立了有效的数学模型,并提出了有效的资源管理和优化机制,以达到最优化用户设备和服务器的效用的目标。本论文的主要工作如下:(1)针对边缘云服务器与同网络内其他边缘云服务器进行资源共享的场景,本论文首先建立资源的“需求-供给”模型,通过非合作博弈理论对多个边缘云服务器之间的交互过程进行分析,得到了多个边缘云服务器竞争处于纳什均衡状态下的资源定价最优策略,并且在理论上证明该定价策略可以使社会效用达到最大。在该定价策略的基础上,本论文进一步设计了一个分布式资源匹配算法,相较于传统中心式资源分配方法,可实现网络中资源需求与供给的高效匹配;(2)针对边缘云服务器与远程云服务器之间协同工作的场景,本论文将这两种不同的云服务器之间的交互建模成一个三阶段的斯塔克尔伯格博弈,基于反向归纳法,对两种类型服务器之间的价格竞争与资源共享过程进行逐步分析,得出纳什均衡状态下二者的最优资源定价策略以及最优收益分配率;(3)对于上述两个模型的应用场景,本论文进行了大量的数值仿真分析,仿真结果验证了本文所建立数学模型的正确性,以及所提出的资源定价和资源分配算法的有效性。