随着5G的迅速发展和物联网时代的到来,越来越多的程序运行在终端设备上,并且其中有着大量的计算密集型和带宽密集型任务。然而,终端设备在计算资源和能耗上受到限制,完成任务往往需要高时延和高能耗。传统的集中式云计算已无法为终端设备提供低时延、高效率、低能耗的服务。为满足终端用户的需求,边缘计算应运而生。边缘计算利用部署在网络节点中的计算资源和存储资源,为终端设备提供近端服务,从而降低任务传输时延、提高服务质量。但是边缘节点的计算、存储资源同样有限,合理的资源分配可以降低终端任务的处理时延,保证服务质量。本文针对“云边端”协作式边缘计算场景中的计算卸载和资源分配问题,以及基于协作式缓存问题分别做了研究,主要包含以下两个方面的研究内容:第一,本文基于边缘计算网络中资源受限对边缘计算中的任务卸载策略进行了研究,针对当前边缘计算卸载策略存在的任务时延过大以及终端设备能耗过大问题,提出了“云边端”共同协作的任务卸载与资源分配优化策略。本文考虑边缘服务器的计算资源受限和服务区内小基站带宽受限约束,建立以最小化以任务完成时延和终端能耗构成成本为目标的非凸优化模型。提出基于模拟退火的优化算法并求解。仿真结果表明,所提策略与对比方案比较,能有效降低系统成本,验证了其有效性。第二,本文基于边缘缓存节点缓存空间受限对边缘缓存策略进行了研究。针对服务区内边缘服务器缓存内容与其服务区内终端用户偏好不匹配问题,设计了基于终端用户偏好与全网流行度结合的边缘协同缓存策略。每个服务区的边缘缓存服务器依据服务区内终端用户的长短期偏好以及全网的内容流行度抉择缓存内容。本文考虑边缘服务器存储空间大小有限,建立以最小化系统整体时延为目标的非凸优化模型,给出了基于自适应模拟退火粒子群优化算法并求解。最后通过仿真实验验证了所提算法在系统时延、缓存命中率等方面的有效性。