边缘计算的发展,催生了“边服务市场”计算模式。越来越多的用户将服务请求提交到边缘服务器（提供商）上执行。随着服务请求的增多,大规模请求并发的情况在所难免,请求失效的情况也逐渐增多,严重时可能导致系统崩溃。因此用户的请求策略需要优化。如何优化用户请求策略的同时提升用户的效益变得十分重要。而提供商也期望效益最优化。两者之间是相互矛盾的。价格是边服务市场的调节杠杆。具体而言,当服务价格过高时,提供商的效益大,但用户因成本高使得效益低;当服务价格低时,用户的效益大,但提供商因价格低使得利润低。本文从请求策略优化和定价机制两个方面来研究解决多方利益均衡问题。针对边缘计算下多用户的大规模请求并发的问题,本文提出了一种基于非合作性博弈的请求策略优化方法。将传统的任务调度问题转化为如何使提供商利润最大与用户回报最大问题。构建了多方协同的利益博弈模型,使用户的请求策略得到优化,解决了大规模请求并发的问题。设计了分布式任务外包算法（DTOA）得到请求和服务价格最优策略。实验结果表明DTOA可以提高提供商的利润和用户的回报,同时也降低了系统高峰负载。随着物联网的普及和大量传感器的部署,数据产生了爆炸式的增长。大数据被看做一种“商品”,被用来提取有用的知识和信息,并作为数据服务提供给消费者,形成了数据市场。旨在探讨3个问题:原始数据如何定价、数据服务如何定价、如何让市场参与者利益最优。围绕这3个问题,首先建立了三层大数据交易市场模型,包括数据供应商、服务提供商和用户,设计了使用两个维度量化数据价值的方法。其次,将三方的交易行为模拟为Stackelberg博弈,制定了多方联动的大数据定价机制。最后,实验结果表明通过该定价机制可以均衡三方的利益。