移动边缘计算（Mobile Edge Computing，MEC）作为5G的关键技术，通过在网络边缘部署计算和存储资源，为移动网络提供IT服务环境和云计算中心能力，从而为用户提供超低时延和高带宽的网络服务解决方案。现实场景中，移动业务流量在空间上分布不均匀，这使得部分MEC服务器繁忙，而部分MEC服务器仍有空闲的计算资源，为了均衡各MEC服务器的计算负载，通过将高负载M E C服务器的任务卸载至低负载MEC服务器进行计算，从而提高计算资源利用率。
　　现有的研究工作大部分都围绕移动边缘计算中工作负载分配策略来进行优化，这些工作通常假设所有MEC服务器和通信信道是可靠的，只要按照最优策略实施任务卸载及资源分配，就能够获得满意的结果。然而，MEC服务器和通信信道并不是百分之百可靠的，一旦出现服务器故障或通信失败，则任务将无法按预期目标完成，这对于那些可靠性要求较高的场景如5G网络的远程手术、自动驾驶、车联网等应用显然是不适用的。因此，设计任务可靠性约束下的工作负载分配策略具有重要意义。此外，在提高系统可靠性的方面，现有工作往往忽略MEC服务器的存储容量是有限的，无法缓存所有的服务类型，而MEC服务器中的服务缓存策略影响着工作负载分配策略，最终影响系统可靠性。与此同时，服务提供商需要租用MEC服务器来存放服务，租用更多的MEC服务器可以提高系统的可靠性，但会带来租用成本增加的问题。因此，如何设计一个合适的MEC服务器租用策略，并有效地对租用的MEC服务器上工作负载进行分配和服务缓存，从而均衡系统可靠性和租用MEC服务器成本也是一个值得研究的问题。文章具体研究内容归纳如下：
　　（1）在任务可靠性约束，以及任务容忍时延的约束下，解决单条信道和单个MEC服务器均无法满足任务可靠性情况时，任务应该选择哪些无线信道进行卸载，以及选择哪一些MEC服务器来计算，从而最小化所有任务的平均完成时延总和。该优化问题是一个NP难问题，为了解决工作负载分配策略问题，文章首先设计一个启发式算法，为每一类任务确定一个信道与MEC服务器组合的最终候选集合，该集合中的每一个元素均为满足对应任务可靠性要求的信道与MEC服务器组合。其次，设计一个改进的化学反应优化算法（CRPWA），该算法由化学反应优化算法（CRO）和粒子群优化算法（PSO）组成，本文充分结合两个算法的优点，设计次优化算法CRPWA来解决工作负载分配问题，以此确定每一类任务应该分配到哪一个信道与MEC服务器组合。通过仿真实验，验证所提算法的有效性。
　　（2）文章通过多MEC服务器间的协作，在任务时延约束，服务提供商资金约束，以及MEC服务器计算资源，存储资源的约束下，将MEC服务器服务缓存策略，MEC服务器租用策略，以及工作负载分配策略进行联合优化，最终均衡系统可靠性与租用MEC服务器的成本。针对上述优化问题，本文设计了一个两层循环的策略更新算法，在外层循环中，针对服务缓存策略问题，采用了吉布斯采样方法来更新MEC服务器间的服务缓存策略，在内层循环中，当得到每一次更新的服务缓存策略后，针对工作负载分配策略与MEC服务器租用策略，提出一个改进的降序最佳适应算法（MBFD）算法来求解问题的解。通过仿真实验，验证所提算法的有效性。