云计算技术在过去十年得到了广泛应用,其很大程度上依赖于计算和数据资源的集中化。由于用户与云数据中心距离较远,访问这些数据中心时存在一定的时延。为了进一步减少时延,移动边缘计算（Mobile Edge Computing,MEC）范式被提出,其将网络资源转移至移动设备附近以降低时延。在移动自组织MEC中,多个移动设备相互协作,资源丰富的移动设备（Mobile Device,MD）将其资源共享给资源贫乏的移动设备,其中资源分配算法是决定系统性能的关键要素之一。因此,本文研究如何提出一种有效的资源分配机制,以促进MEC系统中多用户设备之间的资源分配。本文假设系统中存在多个接入点（Access Point,AP）以协助空闲资源的发现与匹配。具体地,针对两种不同场景展开研究:1)多个AP不协作的场景;2)多个AP协作的场景。针对上述两种场景,本文分别提出了有效的资源分配算法以优化系统性能和效用。本文的主要工作如下:1、针对多个AP不协作的场景,本文研究如何设计有效的资源拍卖机制,来匹配多个资源供应设备和资源需求设备。结合资源需求者对于不同资源供应者青睐程度差异,本文提出了一种基于双向拍卖的多用户资源分配算法,旨在有效地利用资源供应设备提供的资源,该算法能够从资源分配中收益,并且经过理论分析证明了该拍卖机制中资源需求设备满足真实、预算平衡以及个体理性等经济特性。2、针对多个AP协作的场景,本文研究了在多个移动设备之间由多个AP协调的资源分配问题。在本文的模型中,每个AP分别确定最优价格和工资以吸引资源需求设备和资源供应设备。基于每个AP的总供求,所有AP都执行需求匹配过程以最大化社会效用。为了解决联合定价和需求匹配问题,本文首先将该问题表述为整数规划问题,然后针对该问题提出一种近似算法,并且通过理论分析给出了所提出算法性能与最优解的差距的上限。3、本文对所提出的算法进行了详细的数值仿真以及分析。针对多个AP不协作场景下移动设备之间的资源分配,我们验证了所提出的基于拍卖的算法能够显著提升MEC的效率,并且能够保持个体理性等经济性。针对多个AP之间协作场景下移动设备的资源分配,我们验证了所提出的联合定价和需求匹配算法的性能。