随着各种智能移动设备以及物联网设备的广泛普及使用,对无线网络提出了新的接入和传输需求。超密集网络的研究正是在这样的背景下进行的,其可以实现热点地区网络容量的千倍提高。智能设备的发展带来的各种时延敏感型,计算密集型新兴移动应用给边缘网络环境提出了新的计算需求。移动边缘计算成为解决这些爆炸式增长的计算需求的可行方案。对于通信和计算方面不断增长的需求,超密网和移动边缘计算的集成架构,即为超密集边缘计算,被认为是爆炸性增长的通信以及计算需求的最有前景的解决方案,其通过在用户附近密集部署通信和计算资源使移动设备以低时延运行高要求的应用程序。然而,由于用户的移动性,当其远离当前服务的无线接入点以及边缘服务器时,可能会由于距离原因导致服务质量下降甚至服务中断。因此,移动性管理问题成为超密边缘计算网络架构实现的瓶颈之一。目前,大多数现有的超密边缘计算中的移动性管理工作认为无线切换和服务迁移应同时执行,而且忽略了无线切换问题和服务迁移问题之间的差别。另外,很少有工作关注在启用多点协作技术的超密边缘计算中的移动性管理问题。针对现有工作的不足,本文首先提出了一种同时考虑无线切换和服务迁移优化的移动性管理方案。然后提出了一种适用于启用多点协作技术的超密边缘计算中的移动性管理方案。本文的主要研究成果如下所示。(1)首先,本文研究超密边缘计算中同时考虑无线切换和服务迁移的移动性管理问题,提出了基于深度强化学习的移动性管理方案。该方案在做决策的时候关注于用户的服务体验和服务迁移代价,以在线动态的方式为其确定合适的无线接入点及边缘服务器来保证用户在移动过程中计算卸载服务的可靠性。(2)其次,本文研究启用多点协作技术的超密边缘计算场景中的移动性管理问题,提出了用户移动感知的多点协作移动性管理方案。该方案在用户移动过程中依据未来移动趋势范围估计接入点和边缘服务器未来的服务性能,从而确定合适的无线接入点及边缘服务器作为协作集合中的节点为用户提供可靠的通信以及计算卸载服务。(3)另外,针对提出的两种移动性管理方案,我们分别搭建仿真验证环境,与其他可用的方案进行了对比。结果均表明本文提出的方案在用户移动期间可以为其提供可靠的通信以及计算卸载服务,并且可以有效地降低系统的信令开销。