移动边缘网络利用边缘服务器充足的计算和存储资源,能有效降低智能移动设备的任务时延和计算能耗,是解决移动智能终端资源受限与日益增长的高性能需求这一矛盾的关键。在第五代移动通信(5th Generation,5G)架构下,移动边缘网络亟需解决在单服务器下计算卸载降低系统时延能耗问题和在多服务器下通信和资源联合分配的问题。论文围绕移动边缘网络中单服务器下系统计算卸载问题和多服务器下系统资源分配问题展开研究。研究的内容主要有以下几个方面:论文在现有的文献基础上,研究了移动边缘计算卸载的基本流程,探讨了移动边缘计算存在的远近效应,仿真了远近效应对系统时延、能耗的影响。系统的仿真结果表明,离基站较远的用户计算卸载花费的时延和能耗较大,离基站较近的用户计算卸载花费的时延和能耗较小。用户的远近效应会影响其计算卸载的时延能耗和任务卸载的成功率。针对上文提到的远近效应,论文在单服务器多用户下,构建了一种联合终端直通(Device-to-Device,D2D)设备充当中继的计算卸载场景。该场景中离基站较远的用户在可通信范围内选择D2D设备充当中继,帮助其转发计算卸载任务,在离基站不同的距离下保证了到达基站的信号能量相同,克服了用户间存在的远近效应。在联合D2D设备充当中继的场景下,论文提出一种基于任务最大时延约束的的计算卸载算法。该算法在满足任务最大时延要求下,将移动边缘设备分类为本地计算,部分卸载和完全计算卸载,上传到移动边缘计算(Mobile Edge Computing,MEC)服务器进行计算卸载,以达到降低系统能耗的目的。算法仿真结果表明,由于对移动智能设备进行了分类,同时在资源分配时按照优先级分配,该算法相比于直接计算卸载和本地计算,能有效降低系统能耗。在保证单服务器多用户场景下系统的能耗的前提下,论文针对多服务器多用户中资源调度的问题,提出一种基于通信协作的资源分配策略。当某个MEC服务器出现负载过重的情况,在协作框架下搜寻可用的MEC服务器,将该服务器放入资源池中,从资源池中寻找任务执行时延最短的服务器并分配执行任务,以缩短系统总任务执行时间。系统算法仿真结果表明,该算法在资源分布不均衡的情况下,能有效降低系统整体时延,并能充分保证系统任务的成功率。