无线通信技术与移动互联网的高速发展和日益普及,催生了众多新型计算密集型应用的出现,如增强现实、虚拟现实等,完成这些应用需要强大的计算能力并消耗大量的能量。由于移动终端受自身计算资源及电池容量等方面的限制,无法满足新兴应用对计算能力的要求。云计算允许用户将计算任务迁移到云端执行,增强了移动应用的响应速度,并且提高了用户设备的续航,但是由于传输距离较远,增加了额外的网络传输延迟。端到端（Device-to-Device,D2D）通信技术允许用户设备建立直接通信链路,具有低通信延迟以及低能耗的优势。使用D2D通信技术辅助相邻近的多用户终端共享计算资源,可以提高用户设备的计算能力,并降低网络的整体能耗。本文研究协作计算系统中多用户设备的关联关系和计算任务的卸载策略,主要贡献如下:1)研究了如何通过多用户设备协作计算降低设备能耗的问题。在不区分用户设备角色的条件下,系统中的用户设备可以自组织的建立协作关系,以协作集合中的用户设备数量为约束,通过优化用户设备计算任务的卸载量,最小化所有用户设备的总能耗。本文将上述优化问题分解为三个子问题,即确定用户设备角色问题、优化用户设备间的关联关系问题和优化计算任务卸载量问题。首先提出了基于稳定室友问题的匹配算法以区分用户设备角色,将原有的用户设备划分为三个不相交的集合;接下来将用户设备的关联关系问题映射为大学申请问题,设计了基于Gale-Shapley的算法用于优化关联关系,根据得到的匹配结果,将用户设备划分为多个协作集合;最后,通过优化每个协作集合中用户设备的计算任务卸载量,即可得到原问题的近似解。本文设计了一种遗传算法优化用户设备计算任务的卸载量,经过多次迭代,可以获得一个高质量的解。仿真结果表明,在系统中含有较多用户设备,中轻量计算任务的前提下,本文所提算法与所有用户设备完全本地计算相比,能够减少25%左右的系统能耗。2)研究了自组织协作计算系统中用户设备间的关联关系问题和计算任务卸载量优化问题。由于用户设备存在携能瓶颈,剩余电量不足以为其他用户设备提供协作计算服务,因此,本文以协作计算组中的用户设备数和用户设备的剩余能量为约束,联合优化用户设备间的关联关系和计算任务卸载量,从而实现最小化所有用户设备总能耗的目标。由于所建立的优化问题是一个混合整数非线性规划问题,无法直接使用现有的算法进行求解。本文将优化问题解耦为两个子问题,即优化用户设备间关联关系问题和优化计算任务卸载量问题。在优化用户设备间关联关系时,从系统能耗的角度,建立了各个用户设备的效用函数,从而激励用户设备参与协作计算,首先使用Gale-Shapley算法进行求解,而Gale-Shapley算法获得的匹配结果只能达到弱帕累托最优状态,因此又提出一种旋转交换算法,对Gale-Shapley算法的匹配结果进行帕累托改进,在不损害其他用户设备效用的前提下,提升部分用户设备的效用,进而提升系统的性能。同时,提出一种基于连续凸逼近的非凸优化算法求解协作集合中用户设备计算任务卸载量,可以在有限次的迭代后获得稳定的优化结果。仿真结果表明,在相同的应用场景下,帕累托改进的关联关系将系统性能提升了15%左右。