随着5G,人工智能和物联网等技术的飞速发展,智能终端设备呈现爆发式的增长,给现有的通信网络和云计算服务模式带来了严峻的挑战。为应对严格的时延限制,网络带宽限制,终端设备资源限制等问题,将部分或全部计算密集的工作卸载到网络边缘计算节点而不是远端的云计算设施上的边缘计算技术应运而生。然而,作为一个新兴的网络计算架构,边缘计算卸载技术中还存在着诸多问题。首先是计算卸载问题的建模中需要联合设计通信和计算的建模问题;其次是计算任务的动态性和超密集网络下大量节点的相互影响,令超密集边缘计算网络的动态优化问题具有极高的复杂度;最后是市场价格因素对于边缘计算卸载优化策略也存在着显著的影响。已有的计算卸载研究大多局限在普通的静态场景中,对少量用户采用集中式的优化,无法全面有效的解决这些挑战,因此,本文将从两个计算卸载场景——边缘计算节点的下行卸载和智能移动设备的上行卸载——出发,探究超密集边缘计算网络中分布式动态计算卸载优化问题。对于边缘计算节点的下行计算卸载优化场景,首先设计了计算服务价格和可用电量的动态模型,以联合计算服务收益和计算能量开销的效用函数作为优化目标,将所研究的分布式动态计算卸载策略优化问题构建为一个多用户动态随机博弈。我们利用平均场博弈方法将大量用户的动态随机博弈转化为了更简单易行的双体博弈,该博弈具有一个能达到均衡的最优解;我们进而提出了实现该最优解的迭代算法,得到了基于平均场博弈的最优计算卸载策略。仿真结果不仅表明该卸载策略具有最优的累积效益,而且还对电量状态演变的不确定性的重要影响进行了评估。对于智能移动设备的上行计算卸载优化场景,首先对动态的无线信道和计算价格进行了建模,以传输能耗和计算开销作为成本函数,综合无线信道和计算任务队列的动态演进,将分布式动态计算卸载策略优化问题构建为多用户动态随机博弈。通过引入平均场博弈,该动态随机博弈可以用两个耦合的偏微分方程,Hamilton-Jacobi-Bellman(HJB)和Fokker-Planck-Kolmogorov(FPK)方程描述,我们进而利用有限差分方法对平均场均衡进行了数值求解。最后提出了平均场均衡速率卸载策略,基于静态信道,时变可预测信道和随机信道的场景,仿真结果表明该卸载策略的累积开销是最低的,而且信道的随机性越大,对于决策的负面影响越严重。