当前大多数移动边缘计算（Multi-Access Edge Computing,MEC）卸载策略研究都是面向城市友好环境中的民用智能终端任务展开,缺少对战术智能终端（Tactical Smart Terminal,TST）任务的关注。战场环境存在通信资源紧缺、持续面临敌军干扰等挑战,且军事用户对任务执行的要求比普通用户更为严苛,如要求更低的时延和更高的安全性等。本文的研究重点就是通过对TST及其任务的显著特点进行研究,对面向TST任务的MEC卸载决策研究不足进行补充,通过制定合适的卸载策略来最大化满足军事用户需求。本文将终端任务按其数据规模分为中小型任务和大型任务两类:中小型任务有强移动性终端和弱移动性终端两种任务来源,其中强移动性终端易发生小区切换产生服务迁移开销,弱移动性终端易被敌军定向窃听造成任务信息泄密;同时,现阶段的卸载策略缺少针对大型任务特点的适应改造,不能直接适用于本次研究。基于上述问题,本文的主要研究工作概括如下:首先,研究考虑终端移动性的强移动性终端卸载策略。本文设计了一种基于概率的移动预测模型,结合服务迁移成本等模型建立起最大化系统卸载收益问题,设计了一种改进型遗传算法对该混合整数非线性规划问题进行有效求解。仿真结果表明,本文提出的卸载策略能有效减少非必要的服务迁移开销,从多方面提高系统卸载收益,较不考虑终端移动性的卸载策略,系统卸载收益平均提升123.24%。之后,研究结合物理层安全（Physical Layer Security,PLS）技术的弱移动性终端安全卸载策略。本文总结出基于多关联窃听者的窃听模型,结合PLS技术建立最小化系统安全效益问题,使用约束随机逐次逼近方法对该非凸问题进行有效迭代求解。仿真结果表明,本文使用的窃听模型对比其它模型更具有现实意义,联合优化时延和能耗的安全卸载策略较单因素优化策略,平均减少8.6%的系统卸载开销。最后,研究基于大型任务特点的边云协同卸载策略。本文根据终端不同模式的能耗特点设计了终端节能等待模型,结合其它边云协同模型建立起最小化系统开销问题,之后设计了一种改进型粒子群算法对问题进行有效求解。仿真结果表明,本文提出的边云协同卸载策略比其它对比策略更适用于大型任务,较不考虑云计算中心的卸载策略,本文提出的策略能够平均减少5.4%的系统卸载开销,加入终端节能等待模型能进一步减少不必要的卸载与上云开销。