区块链(Blockchain)技术是一种新型的去中心化分布式数据库技术,基于区块链的去中心化移动应用DAPP是未来重要的发展方向。但是区块链的工作量证明共识算法(PoW)对设备较高的计算能力要求和大部分的移动设备计算能力较低形成了矛盾,这种矛盾降低了区块链达成共识的效率,限制了 DAPP的发展。边缘计算的出现为解决这种矛盾提供了新的思路,有研究表明在区块链中融合边缘计算服务,将工作量证明共识计算卸载到边缘服务器上,可以提高区块链达成共识的效率。本文以区块链融合边缘计算服务为背景,重点研究了在工作量证明共识算法卸载过程中边缘服务器的资源分配问题。具体来讲,1)针对区块链网络中只有一个边缘服务提供商的资源分配场景,提出了基于拍卖模型的用户收益最优的资源动态分配算法。首先,本文采用了一种基于概率论的模型来对用户通过参与区块链网络获取的收益进行建模,通过对工作量证明机制的概率分析和资源分配的结果得到每个用户的收益。其次,以全部用户收益最大化为目标,本文提出拍卖模型并且将问题转变为在有约束条件下的混合线性整数规划问题。然后,针对这个数学模型,本文提出了使用Benders分解算法来求解问题,并得到最佳的资源分配方案。最后,通过使用优化的Vickrey第二价格定价策略来得到对所有用户的报价。2)针对区块链网络中存在多个边缘计算服务提供商的跨域资源分配场景,提出了基于深度强化学习的用户满意度最优的跨域资源分配算法。首先,本文综合考虑网络的传输时延、计算时延和用户收益等因素,提出了网络中用户的满意度模型。其次,本文以用户平均满意度最大化为目标,建立起数学模型并且提出使用深度强化学习进行求解。然后,本文用信噪比、区块链难度值等标识网络状态,用户和服务器的卸载关系作为网络动作,用户可以获取的收益作为网络奖励建立起深度强化学习模型。最后,本文利用梯度下降方法来训练深度网络直至收敛,得到最优的资源分配策略。总之,本文针对工作量证明共识计算卸载过程中的边缘服务器计算资源分配问题,对单个和多个边缘服务提供商的场景分别提出了基于拍卖模型的用户收益最优的资源动态分配方法和基于深度强化学习的用户满意度最优的跨域资源分配方法,从而实现了边缘服务器合理的资源分配策略。