随着移动互联网、物联网及人工智能等技术的快速发展与智能移动设备的指数级增长,一些新型的低时延、高能耗的资源密集型移动计算应用应运而生,而资源密集型计算应用与资源受限的终端设备之间的矛盾日益突出。移动边缘计算将丰富的计算和存储资源部署在更靠近用户的无线接入网边缘侧,为用户提供就近计算迁移和任务执行服务,可有效提高计算服务响应时间、缓解终端设备的计算和能耗压力,被认为是解决上述矛盾的关键技术。然而,考虑到异构网络中频谱复用带来的同频干扰、集中式网络中海量计算请求造成的服务响应延迟以及无人机协助场景下计算服务的高度动态时变性等突出问题,移动边缘计算的实现和系统整体性能的优化都面临着严峻的挑战。本文分别围绕基于基站接入和无人机协助的移动边缘计算网络场景展开研究,充分考虑了网络中计算、通信和存储资源的限制、计算任务时延敏感及用户服务质量等约束,以实现系统能耗-时延折中和提升时延、能耗及计算能效性能为优化目标,对网络中计算迁移和资源分配进行联合建模并给出了优化解决方案。主要工作和意义包括:针对异构移动边缘计算网络中的能耗-时延折中问题,本文提出了一种基于能量感知的计算迁移和资源分配方案,可适用于包含高密度小基站的异构网络场景。首先,为了感知终端设备的当前服务状态和实现系统性能自适应调整,将终端设备的剩余电量引入到能耗和时延的加权因子中进行定义。在终端设备能量受限和计算任务时延敏感的约束条件下,本文联合计算迁移、通信和计算资源分配对能耗-时延加权和最小化问题进行建模。其次,在异构移动边缘计算场景中,由于信道干扰项的存在和迁移决策、信道及功率变量之间的耦和,能耗-时延折中问题被建模为非凸的混合整数非线性规划问题。为了求解该非凸问题,本文将原问题分别分解为本地开销优化、基于最大有效干扰的信道分配、功率及迁移决策优化等子问题,并提出了一种动态迭代的求解算法。最后,仿真实验结果表明,与用户主观定义的能耗-时延折中的加权因子相比,本文所提的能量感知因子更有助于保持终端设备的续航能力,且本文所提具有能量感知的计算迁移和资源分配方案相比于基准方案可获得更低的系统总开销。针对移动边缘计算网络缓存约束下的计算任务时延敏感问题,本文考虑了网络中计算、通信和缓存资源的联合优化配置,依次提出了一种基于分支定界和一种基于广义benders分解的计算迁移和资源分配算法。首先,考虑集中式移动边缘计算网络中计算、频谱和存储资源受限以及计算任务最大服务时延约束,本文以最小化系统总时延开销为目标,对计算迁移、边缘缓存和资源分配的联合优化问题进行了建模。由于整数变量和连续变量之间存在耦和,问题非凸且是一个NP难的问题。其次,考虑到迁移决策和缓存决策之间的执行约束,本文提出了一种具有非对称搜索树的分支定界搜索方法对问题进行求解,但该方法具有指数级的计算复杂度。最后,为了降低计算复杂度,本文提出了一种具有整数校准的广义benders分解方法,该方法通过迭代的方式对问题中的整数变量和连续变量进行交替求解,可以获得多项式的计算复杂度。仿真实验结果表明,本文所提算法均可以获得比基准算法更低的系统时延开销,基于非对称搜索树的分支定界算法与具有整数校准的广义benders分解算法所获得的系统性能差距十分小,且在计算代价上广义benders分解算法具有更低的运行时间。针对无人机协助移动边缘计算网络中的能量受限问题,考虑到无人机的动态移动性,本文将终端设备到达的计算任务建模为随机任务队列模型,提出了一种考虑随机计算迁移、资源分配和无人机航迹规划的联合优化模型。首先,本文基于本地任务处理、计算迁移及边缘云端任务处理推导了任务队列更新方程,并对系统能耗组成进行了定义。其次,考虑到终端设备和无人机端受限的计算资源、执行任务队列不可多于到达任务队列的约束关系及无人机航迹规划约束,本文对系统平均能耗最小化问题进行了建模。为了解决具有时隙耦和的随机优化问题,本文采用李雅普诺夫方法对计算任务队列进行分析,并将原问题转换为考虑系统平均能耗和任务队列稳定性折中的优化问题。由于所形成的折中问题非凸,本文进一步将其分解为易于处理的多个子问题。最后,根据不同子问题的特性,本文提出一种结合交替方向乘子法、内点罚函数法和CVX求解器的联合优化算法对问题进行迭代求解。仿真实验结果表明了所提联合优化算法的有效性,相比于基准方案,所提方案既能有效保证任务队列稳定执行也能有效降低系统能量消耗。此外,本文在仿真实验中也给出了保证系统平均能耗和任务队列稳定性的权衡参数的最优值选择区间,可供用户根据不同的需求进行自适应选择。针对保证多无人机协助的移动边缘计算网络中的计算能效问题,考虑多无人机和多障碍物并存的复杂移动边缘计算网络,本文提出了一种以保证系统计算能效为目标的计算迁移和资源分配算法。首先,在保证用户最低计算任务执行量的条件下,本文联合终端设备与无人机之间的关联、终端受限计算资源和发射功率、网络频谱资源及无人机航迹规划进行建模,旨在最大化系统计算能效,所形成的问题为NP难的非线性分数规划问题。其次,为了求解该问题,本文采用Dinkelbach方法将问题转换为关于计算能效为参数的规划问题。虽然问题变得易于处理,由于无人机航迹规划与其他优化变量之间存在耦和,问题仍然非凸。最后,提出了一种具有双层循环结构的计算能效最大化算法对参数问题进行迭代求解。在算法的外循环结构中,主要采用Dinkelbach方法对最优计算能效进行求解和更新,而内循环结构则主要解决终端设备与无人机关联、资源分配和无人机航迹规划的联合优化问题。仿真实验结果表明,所提算法可以在较少的迭代次数内收敛获得最优值,在保证用户服务质量的条件下,所提算法相比于不同基准方案可获得更高的计算能效,且无人机在航迹规划过程中可以成功实现避障飞行。