随着移动互联网的快速发展,智能移动设备在人们的衣食住行中扮演着越来越重要的角色,各种新兴应用的功能也日益强大。虽然移动设备的性能较以往已经有了很大提升,但其仍存在着计算资源不足、电池容量有限等问题,不能及时满足各种应用的需求。鉴于此,一种将网络能力下沉至边缘的新兴网络架构——移动边缘计算（Mobile Edge Computing,MEC）应运而生,它能够为移动设备提供丰富的计算和存储资源。本文以移动边缘计算为背景,从单用户、多用户两个场景出发,对计算卸载与资源分配等问题进行研究。主要研究内容总结如下:（1）在单用户场景中,用户上有若干个独立任务等待处理,用户周围有多个MEC服务器以供卸载使用。考虑到移动设备与MEC服务器计算能力的差异以及移动设备与e Node B基站之间无线信道的质量,本文提出一种基于独热编码的计算任务二进制向量表示法,以及一种基于离散灰狼优化算法的交替优化卸载策略,用来为需要卸载的任务选择最适合的服务器,并为其分配相应的发射功率。仿真实验表明,所提策略可以在满足约束条件的情况下有效降低系统总能耗。（2）在多用户场景中,有若干个用户移动设备和一个MEC服务器,每个用户上都只有一个计算任务等待处理,或者完全留在本地计算,或者卸载到MEC服务器上计算。虽然MEC服务器的计算资源比移动设备充足,但其相对于海量计算请求而言仍是有限的,无法满足所有的卸载需求。鉴于此,本文提出一种余弦收敛因子与交叉算子相结合的离散灰狼优化算法,对计算卸载策略与服务器计算资源分配向量进行联合优化,用来为需要卸载的任务分配最恰当的计算资源。仿真实验表明,相比于其他对比算法,该算法能够在保证服务器计算资源分配不溢出的前提下,明显降低系统总能耗。