近年来,随着云计算技术的不断普及和移动网络技术的不断发展,拥有移动智能终端的移动互联网用户数量呈爆炸式增长。面部识别、车联网和增强虚拟现实等新型移动应用场景的普及对带宽容量和网络延迟提出极高的要求,但广域云环境下计算节点与用户距离较远容易造成较大时延因而存在自身局限性,所以将对带宽、时延要求苛刻的计算数据和处理任务的转发路径终止于无线侧这一理念越来越成为业界共识,符合此理念的移动边缘计算(Mobile Edge Computing,MEC)应运而生,成为未来网络环境中提高用户体验的关键技术。移动边缘计算是一种新型的移动云计算架构,它可在临近移动用户的任意网络接入边缘提供云计算能力,满足超低时延、超低功耗、超高可靠、超高密度的业务需求,解决了与广域网公共云数据交换的长等待时间和朵云(cloudlet)空间、时间局限性等问题。本文的研究内容为如何在MEC网络环境下调度计算任务、管理计算资源,以尽量提高边缘云端、移动端以及整个MEC工作组的运行效率,降低能耗,提高用户体验。首先,分析当下移动用户任务调度和资源管理具体情况和存在的问题,综述了任务调度和资源管理相关难题和研究现状,为论文研究重点的提出和展开奠定基础。其次,结合移动用户任务调度和资源管理工作的实际状况,建立优化后的系统模型,包括网络模型、通信模型、计算模型和缓存模型等。分析传统集中优化算法的优缺点后,分别为任务调度和资源管理提出多个优化性能指标和效用函数,引入博弈论公式化、博弈论数学基础、增广拉格朗日公式和交替方向乘子法等相关数学工具,借助已有的势函数分析、纳什均衡条件、变量松弛和变量恢复等相关成熟算法提出本文核心的基于博弈观点的分布式任务调度算法和基于交替方向乘子法(ADMM)迭代的分布式资源管理算法。将算法应用到模拟的仿真实验,实验结果证明了算法的有效性,满足了优化目标。最后,分析某防爆检测中心任务管理的实际业务需求,采用分层式架构分别设计实现任务管理系统的移动端和服务器端,将提出的分布式算法融入系统,并对系统主要流程和操作进行叙述。从具体应用和实际效果看,该系统操作简单、界面跳转逻辑清晰、功能明确,可为工作人员任务调度和资源管理提供辅助决策支持。