边缘计算作为一种在网络边缘执行计算的新型计算模式,可以使得用户在电量资源和计算能力有限的情况下,完成复杂的任务。用户直接与部署在附近的边缘服务器连接并获得所需的资源,避免了数据在网络节点间的传输,有效减少用户等待时间。然而,边缘服务器为用户提供服务也有其自身的限制。一方面,边缘服务器的资源有限,如果在一段时间内,连接同一边缘服务器的用户过多,可能会造成该服务器的过载,使得服务的响应时间增加,严重影响用户体验;另一方面,边缘服务器通常和基站(或者无线接入点)部署在一起,因此边缘服务器的覆盖范围有限,只能为其覆盖区域内的用户提供服务。而在现实生活中,用户具有移动性,需要在移动过程中会连接不同的边缘服务器。如果用户在切换连接到另外一个服务器的过程中,原边缘服务器上仍有未完成的任务,该任务就需要考虑进行迁移,而服务迁移所产生的时延会对用户体验产生影响。我们首先研究移动环境下单用户的边缘服务器动态选择问题,并在此基础上研究如何为多用户动态选择边缘服务器。本文主要工作如下:(1)在为移动中的单用户动态选择边缘服务器的过程中,所有用户的资源请求未知,边缘服务器的有限资源可能满足不了多个用户同时的资源请求。因此,我们根据边缘服务器的资源量建立了边缘服务器的任务完成概率模型,并且分析了服务迁移和不迁移两种情况下的计算开销。随后结合遗传算法和模拟退火算法的优点提出了单用户的边缘服务器动态选择算法,称为GASS(combined Genetic algorithm and simulated Annealing algorithm for edge Server Selection)算法。在移动环境下,通过GASS算法为移动用户动态选择边缘服务器,以优化用户的时间延迟和能量消耗。(2)在为移动中的多个用户选择边缘服务器的过程中,我们建立多用户等待时间计算模型,分析在移动环境下多个移动用户之间的资源竞争,并根据粒子群最优算法设计了多用户边缘服务器动态选择算法,称为MESP(Multi-user Edge server Selection method based on the Particle swarm optimization)算法。在多项式时间内,由MESP算法为所有用户动态选择边缘服务器,以优化用户等待时间。(3)本文从百度地图上随机选择一段路径作为用户的已知移动路径,并且结合上海电信基站位置的数据集设计模拟仿真实验。在为单用户动态选择边缘服务器的实验中,通过对比遗传算法、模拟退火算法、贪心算法和随机算法,证明了GASS算法的有效性,并分析了用户移动速度和边缘服务器覆盖半径对实验结果的影响。在为多用户动态选择边缘服务器场景中,我们将贪心算法和随机算法作为对比算法,验证了MESP算法的有效性,并分析了数据往返延迟和服务迁移对多用户等待总时间的影响。