随着人们对移动通信的业务需求种类越来越多,人们迫切需要一种高速率、低时延、高保障、高密度、广覆盖以及能灵活部署的移动通信系统。对此,研究人员已经提出了云无线接入网(Cloud Radio Access Network,C-RAN)架构,但是CRAN中的前传链路是容量受限和时延受限的,于是有学者将雾计算和C-RAN相结合,提出了一种新的雾无线接入网架构(Fog Radio Access Network,F-RAN)。在F-RAN中存在多种接入传输模式并且可以运用网络切片技术进行资源管理来满足多样化的业务需求,也因此带来了许多资源分配方面的挑战,尤其是联合多种资源进行分配的情况。在这样的背景下,本文对F-RAN中本地分布式协作模式下的资源分配问题展开了研究,并将资源分配问题总结为两种,第一种为多用户多F-AP(Fog Access Point,雾接入节点)的用户接入资源分配问题,第二种为多用户连接到同一个F-AP的场景下F-AP之间的资源协作分配问题。本文的主要研究内容和贡献有:1)针对多用户多F-AP场景下用户接入资源分配问题,将用户对F-AP的任务卸载意愿抽象为用户对F-AP的估值,建立了基于拍卖理论的资源分配模型。2)在基于拍卖理论的资源分配模型上设计了三种拍卖方式,分别为单轮拍卖方式,迭代提价拍卖方式,迭代降价拍卖方式。对每种拍卖方式提出对应算法SGKP,MGKP和D-MGKP,比较三者在F-AP总收益,用户总效用,用户接入情况方面的差异性,最后得出迭代提价拍卖方式在不降低成功接入的用户数量的前提下使得F-AP总收益提高,同时也满足用户提价参与接入竞争的意愿,更加适合实际应用。3)针对多用户连接到同一个F-AP的场景下多个F-AP的资源协作分配问题,建立了同时考虑通信资源和计算资源的多F-AP资源协作分配模型。4)在F-AP资源协作分配模型中,以最小化F-AP集群总时延为首要目标,同时以最小化通信开销和负载均衡为次要目标,提出了一种基于改进遗传算法的自适应三适应度的启发式算法ATFGA。该算法可以针对时延、负载均衡和通信开销进行不同权重的优化,且选择一个合适的比例能够对三个目标都有很好的优化效果,该算法在全局空间内有很好的搜索能力。