随着物联网技术和5G通信技术的发展,数据的产生更加迅速且多样化,为了提高任务执行效率,缓解云端压力,移动边缘计算（Mobile Edge Computing,MEC）技术应运而生。移动边缘计算技术是将移动设备上的一些任务下沉到网络边缘处执行,而不用上传至远处的云端。但是由于部分边缘设备的位置受限、资源受限、计算能力不足等原因,很难满足海量数据对于低时延、高精度的需求,且容易造成设备间负载的不均衡,减少设备的使用寿命,因此需要将这些任务迁移到资源比较丰富的边缘设备处执行。任务既可以迁移到MEC服务器去执行也可以迁移到周围空闲的终端设备去执行,本文对这两种迁移方式分别进行研究,具体研究内容如下。本文针对终端设备与MEC服务器之间的任务迁移问题进行研究,首先判断终端设备负载的大小确定任务是否需要迁移,若有终端设备负载较大,则需要将此设备的任务迁移到邻近的MEC服务器。其次建立匹配度模型来衡量任务和MEC服务器之间的资源匹配程度,任务更倾向于迁移到匹配度高的MEC服务器中。最后利用建立的模型对蚁群算法进行改进,将负载信息引入蚁群算法中,并通过改进的蚁群算法求解任务迁移问题。仿真结果显示,改进的蚁群算法相较于传统的蚁群算法和轮循算法在任务执行时间方面分别降低了38.4%和42.2%,负载方面分别降低了22.9%和32.2%。其次本文使用改进的蜂群算法求解终端设备间的任务迁移问题,通过两个步骤确定需要迁移的任务。第一步对每个终端设备的负载进行判断,将负载较大的终端处任务进行预迁移,第二步采用贪婪算法判断预迁移的任务是否真正需要迁移,得到最终可迁移的任务序列。建立了时延和能耗模型,并在模型中引入负载惩罚因子,以便将任务迁移到负载较低的终端设备中。通过对标准的蜂群算法进行改进求解任务迁移问题,以获得最优的迁移方案。仿真结果显示,改进的蜂群算法不仅能够加快算法收敛速度,还能够降低任务执行的时延、能耗和负载,相较于随机迁移和完全本地执行在时间方面分别降低了12.03%和10.9%,能耗方面分别降低了5.1%和4.9%,并使得设备间的负载分别降低了6.66%和7.78%。