随着移动终端事业在知识经济轨道高速前进,移动互联网业务得到长足进步。同时,以智能手机、平板电脑、车载终端为代表的移动终端取得了广泛的群众青睐,且与大家的生活产生了千丝万缕的联系,这意味着上述科技为移动应用的发展提供了坚强的后盾。目前,移动应用渗透到人们生活的各个角落,人们以互联网作为观察世界的窗口,通过它获取五花八门的信息数据和生活中点点滴滴的周到服务。从目前的科研角度来看,移动终端设备在硬件方面取得了比较可观的研究成果,但是传统终端拥有的资源仍然十分有限。移动设备云常用来指代若干移动设备组成的小型提供某些计算、存储等功能,物理上和用户具有较近距离的云,云内设备互相协作完成用户提出的需求,移动设备可以将任务委托给同网络之内邻近的可用设备,并由被委托设备计算,进而完成自身能力限制下难以完成的任务,因为设备之间距离较近,所以具有灵活性高的特点,从而可以在节省能源或者降低时间延迟方面发挥优异的表现。相关领域的学者们孜孜不倦的研究后,证明了在特定的环境中,将任务委托给其他移动设备执行,确实可以达到在能源和时间方面提高性能的效果,所以,移动设备云的提出和利用是非常有价值的。本文的研究内容是在移动设备云(Mobile Device Cloud)环境下进行任务分割、分发、调度、性能分析等一系列的策略研究,针对系统的时间延迟、能耗性能提出了可行的计算卸载方案,并结合仿真结果给出证明。本文针对移动云计算中的任务卸载策略问题和任务卸载性能优化问题进行研究,充分利用移动设备云通信距离优势,首先研究在计算卸载的过程中实现时间延迟最短的优化目标,同时考虑网络中通信竞争,在物理层考虑OFDMA的信道带宽分配方式,结合卸载目标的任务分配以及传输速率限制,建立了基于时间延迟优化的NP问题模型,利用模拟退火算法得到最优解;更深入的,考虑到计算卸载时目标移动设备所处的环境可能十分复杂,系统智能生成计算卸载策略的需求,进而结合强化学习的方法,以时延与能耗加权的综合性能为目标函数,利用代理节点感知可用节点信息,进行任务的划分、调度和检测;最后,基于整个移动设备云计算卸载系统的系统稳定性和可扩展性,重点关注利用李雅普诺夫队列理论优化计算卸载系统的队列稳定性和建模目标问题,分析了李雅普诺夫方法在本领域中应用效果和特点。