随着技术的进步,目前移动设备运行的多为计算密集型和时延敏感型的应用程序,而移动设备受体积、重量、电池寿命和散热等物理设计所限,有限的计算资源与复杂应用运行要求的差距逐渐增大。MEC系统可通过在无线网络边缘引入计算资源,在覆盖范围内处理用户卸载的计算任务,解决终端设备计算能力不足的难题。首先,本文的卸载策略由无线接入条件决定。考虑到5G时代毫米波将作为重要通信载体,因此,本文将MEC系统中信道建模为莱斯信道下的大规模MIMO系统,分析该系统中上行可达速率并仿真验证。基于此,根据香农定理,分别给出天线数目趋于无穷与任意值情况下,由信道条件决定的卸载策略。卸载策略与信道结合,可通过调整物理层参数控制卸载策略。接下来,本文采用Stackelberg博弈对用户和MEC服务器间的交互决策过程建模,解决MEC计算资源有限场景下的利润平衡问题。MEC服务器希望制定价格最大化自身利润,用户在给定价格下制定卸载策略最小化成本,包括时延、能耗和支付开销。根据定价方式不同设计UPM和DPM策略,UPM策略利用逆向归纳法求解最优定价和卸载策略;DPM策略将博弈问题转化为0/1背包问题,采用动态规划和遗传算法求解卸载策略。仿真实验验证了两种策略的性能,结果表明两种策略能有效减少用户成本,提高MEC服务器利润。随后,本文采用系统利润最大化博弈对用户与用户间的交互决策过程建模,解决因多用户共享MEC系统计算资源带来的拥塞控制问题。本文利用队列模型对计算任务处理过程建模且基于与信道条件有关的卸载策略提出符合经济学特性的效用函数。在博弈中,根据有无核心云服务器参与计算提出ICRM和SCRM模式,分别分析两种模式下唯一正纳什均衡解存在的充要条件,并采用分布式算法求解最优卸载策略。仿真实验验证了两种模式性能,结果表明分布式算法收敛性能好,ICRM相较SCRM模式更能有效提升用户及系统的利润,减少拥塞。本文研究了MEC系统中的用户与MEC服务器和用户与用户间的任务协同卸载策略,充分利用了移动终端、MEC服务器与核心云服务器的计算资源,为之后对MEC系统中计算任务卸载策略的研究提供新方向。