移动边缘计算作为一种新兴的计算范式,将计算资源下放至距离用户更近的边缘节点,可以为用户提供更便利的服务。但是由于用户的移动特性,用户在移动的过程中可能存在时延增加甚至服务中断等一系列问题。因此,研究有效的服务迁移策略可以提高服务质量和用户体验。本文主要从迁移决策与迁移路径两个方面展开研究,取得的研究成果如下:1.针对现有的服务迁移决策只考虑到用户在某一位置时是否进行服务迁移的问题,本文引入用户之前的移动方向作为一种预测指标,该预测指标能够基于用户之前移动方向预测用户后续移动方向,进而使得用户在某一位置制定迁移决策时会考虑其后续移动。并在此基础上使用马尔可夫决策过程对迁移决策问题建模,同时使用基于价值迭代的迁移决策算法求解用户处于不同位置不同移动方向时的迁移决策。最后,通过实验分析,验证了所提迁移决策模型与迁移决策算法在迁移决策问题上更具优势。2.针对现有的迁移路径选择策略只考虑了静态网络下迁移路径选择的问题,本文综合考虑网络链路的多种消耗信息及其动态特性,使用强化学习算法求解动态网络环境下自适应的迁移路径。并通过改进强化学习算法中的贪婪策略使算法更适用于当前应用场景。最后,通过实验分析,验证了所提动态自适应迁移路径选择算法更适用于动态网络环境中的服务迁移。最后,本文根据所做的研究设计并实现了一个服务迁移决策与迁移路径选择的可视化系统。该系统通过融合本文所提出的服务迁移决策算法与动态自适应迁移路径选择算法,可以向用户直观地展示不同场景下的迁移决策与迁移路径。