随着物联网应用的多样性发展,移动终端的数量与通信业务持续上涨,人们对数据传输速率和服务质量也都提出了更高的要求,网络通信需要更加丰富的频谱资源和更高的频谱效率。5G超密集微基站与异构网络部署相结合形成的异构蜂窝网络（Heterogeneous Cellular Network,HCN）有效地提升了区域频谱效率和扩大了网络容量,但这也带来了基站负载的极度不均衡和能源利用率低的问题。另外,HCN中蜂窝终端用户通信业务的多样性带来的是更为庞大的计算任务和更高的时延,移动边缘计算（Mobile Edge Computing,MEC）技术可有效地满足业务低时延、大宽带等需求。事实上,MEC服务器的覆盖范围受限,若用户移动到新的位置不能及时获得计算结果,就会反复请求卸载,导致计算资源浪费。且用户通常会优先考虑自身的利益,在抢夺资源的过程中,也会造成计算资源的过度消耗。因此,如何均衡HCN中基站的负载来提高基站能源利用率,以及降低移动用户端计算任务卸载时延实现服务器计算资源高效分配值得深入研究。基于上述考虑,论文研究的主要工作内容如下:第一,概述了HCN的相关理论基础,包括HCN架构、基站节能技术以及MEC计算任务卸载策略概述。第二,针对HCN中基础设施侧密集部署小蜂窝基站而导致的负载分配不均、可再生能源利用率低的问题,以最小化基站能源成本为目标,提出了一种基于社交D2D通信与能源自适应感知的基站能耗成本优化方案。考虑到现实场景中用户间具有社会关系,该策略首先使满足D2D通信要求的用户建立D2D通信连接。接着,结合可再生能源时间和空间上的多样性,将剩余蜂窝用户与可再生能源自适应感知的基站关联。最后,引入带宽分配比例系数,利用拉格朗日对偶法对各基站总的发射功率之和进行优化以实现系统基站总能源成本最小化。数值仿真结果验证了该算法能有效降低电网能耗,与最大参考信号接收功率算法和基站喜好偏置因子算法相比较,系统基站总能源成本分别降低了54.8%和25.8%。第三,针对终端用户侧多用户的MEC系统中,用户的移动性使得多用户卸载任务时会带来计算资源浪费和延迟增加的问题,构建了一个软件定义网络（Software-Defined Networking,SDN）辅助的MEC网络体系结构。引入SDN控制器,从网络状态的全局角度,在宏基站中收集移动用户和基站的信息,根据需要优化网络配置以提高HCN中计算资源管理的效率和灵活性。为进一步降低延迟,提出了基于用户位置预测与认知学习的计算任务卸载方案。该方案首先采用扩展卡尔曼滤波预测用户移动性,估计连接度。接着基于预测的位置信息,在任务请求和任务收集过程中采用强化学习算法进行动态策略选择,最大限度地减少延迟以节省计算资源。数值仿真结果表明,与其他现有方案相比,所提出的方案具有更低的任务持续时间。