物联网通过互联网将万事万物联系起来,建立用户、设备和服务器之间的互联,设备将采集到的实时数据上传至数据中心,通过数据中心强大的计算能力来满足通信场景内的用户需求。然而随着信息数据的指数型增长,仅靠强大的数据处理中心很难满足用户的时延敏感型需求,并且为数据中心带来了庞大的计算负荷。为了缓解数据中心的计算压力,为用户带来更安全、更快捷的服务,边缘计算技术成为一种新的计算范式,帮助本地服务器或云数据处理中心在繁忙的时间释放网络过载,极大加快了网络传输效率,借助网络边缘及设备端的通信和计算能力,实现在靠近设备端的一侧完成数据收集、处理、分析及决策的全过程,避免了核心网络产生拥塞的时延弊端,从而可以大幅度降低数据处理的时延。传统通信网络主要关注的是通信能力,其核心功能是信息的传输,然而通信场景内边缘计算服务器计算资源是有限的,并且每分每秒用户的位置、节点容量、产生任务大小、设备与服务器通信距离是动态变化的。因此在资源受限的边缘网络环境中,如何调动场景内有限资源的充分协同,满足场景内用户、设备、边缘服务器的移动性的同时,带来时延最优的服务,仍是值得研究的问题。本文针对边缘计算中动态资源分配时延优化方案展开了研究。本文的主要贡献如下:1.在现有IoT-Cloud框架的基础上,提出了适合于边缘计算的Edge-Cloud通信框架,该框架依据判决距离将和边缘计算有关的通信情况分成三组,分别研究了每一组情况的总成本以为后续方案提供通信服务框架。2.根据所述Edge-Cloud通信框架,在距离和节点容量的权衡条件下,提出了一种在移动边缘计算（Mobile Edge Computing,MEC）场域内基于改进的人工势场法协同动态资源分配的边缘计算时延优化方案（RAAPF）,为了求出时延最优的资源分配方案,将问题转化为背包问题,以优化等待时间,并采用模拟退火算法得到最优方案。3.根据所述Edge-Cloud通信框架,本文提出了一种将信任评估机制与动态时延成本评估方案相结合的实用边缘计算服务体系结构（PECSA）。在该体系结构中,边缘网络设备和边缘平台相互协作,分别实现了保证时延最小的用户服务、保证价格最少的用户服务以及给定时限下价格最少的用户服务,并提高了信任管理方法的有效性。通过评估边缘网络的计算成本和运行时资源容量,将所有边缘计算设备和云资源进行合理的协同,以实现对边缘网络需求的更快响应。