智能终端的快速发展,丰富了人们的生活。随之而来的时延敏感型和计算密集型应用给终端的计算能力、能耗以及计算时延带来了挑战。为了解决这些问题,在移动云计算的基础上,学者们提出了移动边缘计算。带有计算、通信等功能的移动边缘接入点(M-APs)分布在接入网侧,相比于云计算而言更靠近用户,有效解决了任务迁移过程中的能耗大、计算时延长等问题,成为当前技术研究的热点,有着广阔的应用前景。本论文基于移动边缘计算和协同通信架构,研究了三种不同的移动边缘计算系统中,任务迁移策略的制定。主要工作如下:1、详细介绍了移动边缘计算的架构模型、关键技术及应用场景。着重阐述了移动边缘计算中任务迁移技术的实现流程,以及不同目标下的实施方案。2、针对混合移动云计算和移动边缘计算架构下的纵向协同通信迁移计算,考虑了三种迁移计算模式,并以最小化整个系统期望支出为目标,研究了各层计算比及M-APs分布密度的优化问题。首先,采用算数几何平均不等式解耦原问题中各层计算比变量。再分别对应各层计算比和M-APs分布密度,将问题分解为两个子问题。分别使用拉格朗日对偶及KKT条件,惩罚函数法和多峰值函数自适应演变算法对两个子问题进行迭代求解至收敛。仿真结果表明,所提优化算法使得该系统迁移计算的支出和时延相比于本地计算有很大提升。3、基于分布式计算和移动边缘计算,研究了单用户、多M-APs横向协作通信架构下,联合发射功率分配和任务划分的优化问题。所考虑的优化问题的优化变量间相互耦合且约束条件非凸,为了解决此优化问题,本文先将原非凸问题分解为两个子问题。然后,采用拉格朗日对偶及KKT条件和惩罚函数迭代法迭代求解至收敛。通过仿真表明,与平均系统资源和任务划分相比,所提算法能有效降低系统的支出,且不同权项因子的取值能适用于对耗时和耗能支出有不同需求的实际应用场景。4、研究了分布式计算和移动边缘计算技术下的多用户、多M-APs横向协同通信迁移计算问题。基于公平性,联合子载波选择、发射功率分配和任务划分,研究了以最小化系统中最大迁移计算时延为目标的优化问题。为解决该混合整数非线性规划问题,首先,进行整数变量放缩。然后,基于分式规划和辅助变量,将最小—最大化问题转化为最小化问题。最后,利用泰勒一阶展开将问题近似为凸问题并求解。通过仿真,所提算法能很快收敛。与非优化场景下系统时延相比,性能有很大程度的提升。